I will miss u QGIS

Kaikista epäilyksistä huolimatta viimeisestä kurssikerrasta on vihdoin selviydytty! Tuloksena on kaksi karttaa, joista toisesta (Kuva 1.) valitettavasti puuttuu mittakaava ja pohjoisnuoli tallennuserheen takia. Olisihan se kohtuutonta jos kaikki menisi putkeen tässä vaiheessa matkaa.

Kurssikerralla pääsin tutustumaan maastotietokantaan ja kaivamaan aiemmin tarjottimella ojennetut aineistot karttaa varten aivan itse. Matka oli pitkä ja kryptinen: aineisto oli muokattu salakielelle, jottei siitä pääsisi jyvälle heti ensitarkastelulla. Onneksi jostain syövereistä oikeilla hakusanoilla löytyi opas nimeltä Maanmittauslaitoksen maastotietokohteet – syöttämällä numerokoodia toisensa perään alkoi layereiden salat aukenemaan  myös minulle. Lopulta kartalta oli eriteltynä jos jonkinlaista aluetta ja viivaa, niissä määrin, että oli vaikea päättää mitkä jättäisi kartalle.

Kuvassa 2 näette silmät kirvelemään saavan esityksen korkeusvaihteluista Tampereen seudulla. Tämän ihmeen toteutin kurssikerta 4 oppien avulla: korkeusmallin, rinnevarjostuksen ja korkeuskäyrien luominen sujui tällä kertaa jo kyynelittä, ihan muutamassa minuutissa. Jotain on siis selvästi jäänyt käteen! Visualisointi ei ehkä mennyt ihan putkeen, ja onpa karttaan tungettu mahdollisesti hieman liikaa tavaraa, mutta päällimmäisenä fiiliksenä on kuitenkin hyvä mieli siitä, että toiminnot alkavat pikku hiljaa hanskassa.

Fiilis on hyvä! Kurssi oli kiva! Jee! Kiitos kaikille lukeneille! Empä malta odottaa että pääsen taas leikkimään QGIS:n ja tietokantojen ja metadatan kanssa! Wihii!

Kuva 1. Synkkä visualisointi Tampereen seudusta. Kartasta voidaan vertailla esimerkiksi Ylöjärven ja Tampereen infrastruktuuria: Tampereen puolella on selvästi enemmän tiheää asutusta ja tiestöä, Ylöjärvellä taas peltoja.
Kuva 2. Tampereen korkeusvaihtelut erottuvat sekavasta kartasta hieman huonosti, sillä tiestöä ja rakennuksia on niin paljon. Ylöjärven puolella vaihtelut ovat selkeämmin näkyvissä, alue on melko tasaista.

Lähteet
MML:n maastotietokohteet (https://www.maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/old/maastotietokohteet.pdf) (luettu 25.2.2019)

Maastotietokanta ja korkeusmalli löytyivät(https://tiedostopalvelu.maanmittauslaitos.fi/tp/kartta)

Tulivuoria ja järistyksiä

Viime viikon kurssikerralla harjoiteltiin Epicollect5-sovelluksen käyttöä. Sillä tuotettiin itse pistemuotoista aineistoa, joka esitettiin kartalla interpoloinnin avulla. Interpolointi ja aineiston tuonti QGIS-ohjelmistoon osoittautui yllättävän hankalaksi nakiksi, ja Ilonan kanssa kulutimmekin lähes kolme tuntia alkujummailuun. Lopulta päästyämme kartalle ideasta onnistuimme kuitenkin tuottamaan kartan turvallisuuden kokemuksesta Kumpulan alueella (Kuva 1.).

Seuraavaksi valmisteltiin karttoja hasardeista, joita voisi hyödyntää opetusmateriaaleina. Karttani(Kuva 2.-4.) onnistuivat omasta mielestäni melko hyvin, mutta toki parannettavaa aina olisi. Kartat esittivät maanjäristyksiä maailmankartalla eri aikaväleinä (Kuvat 2.,3.), sekä tulivuorten ja maanjäristysten sijaintien yhteyttä (Kuva 4.).  Opetuksen kannalta tärkeä lisä karttoihin olisi ollut esimerkiksi litosfäärilaattojen rajat, ja tällöin ne sopisivat myös niiden tutkimiseen ja maanjäristysten synnyn selittämiseen
Maanjäristyskarttoja on kuitenkin mielenkiintoista tutkiskella, ja niistä voikin havaita muutosta maanjäristysten voimakkuudessa ja sijainnissa. Tulivuoria esittävään karttaan (Kuva 4.) olisi voinut lisätä myös lisätietoja tulivuorista, kuten Elina on tehnyt blogissaan.

Aivan uskomattoman hienoja ovat Amelian kartat, jotka on zoomattu esittämään esimerkiksi Etelä-Amerikan tulivuorten keskittymiä ja niiden korkeutta/syvyyttä. Kartoista on myös helpompi erottaa yksityiskohtia, mikä on aika siistiä!

Kuva 1. Epicollect5-sovelluksen avulla kerätty pisteaineisto esitetty kartalla interpoloinnin avulla.
Kuva 2. Yli 7 magnitudin maanjäristykset vuosina 1980-1999
Kuva 3. Yli 7 magnitudin maanjäristykset vuosina 2000-2019 (21.02.2019 mennessä)
Kuva 4. Maailman tulivuoret ja maanjäristykset vuosina 2000-2019

 

Lähteet

Huhtinen, E. ”Auringonpaistetta ja onnistumisen tunteita” (https://blogs.helsinki.fi/huhelina/2019/02/22/viikko-6-auringonpaistetta-ja-onnistumisen-tunteita/) (luettu 25.2.2019)

Cardwell, A. ”Maastossa seikkailua ja luonnonhasardeja” (https://blogs.helsinki.fi/amca/2019/02/21/299/) (luettu 25.2.2019)

Buff

Hyvää päivää!

Matkoilla tulee silloin tällöin mutkia matkaan ja näin kävi minulle (myös) GIS-seikkailuni viidennellä viikolla. Kurssikerralla päästiin suhteellisen nopeasti itsenäisharjoitusten pariin. Olo oli hieman kuin sillä linnunpoikasella, joka heitettiin pesästä lentämään, mutta sen sijaan mätkähti suoraan reunalta maahan. Kivuliasta, mutta hengissä ollaan. Kipuun kuitenkin tottuu ja paikkailtuani itsetuntoani pari päivää kokeilin tehtäviä uudelleen tänään.

Mieleen on kurssin aikana jo jäänyt hataria muistikuvia erilaisista työkaluista ja niiden käytöstä, mutta käytännössä ohjelman käyttö on vielä hidasta. Ohjeiden avulla pääsee kuitenkin useimmiten maaliin. Vaikeimmaksi koen ehkä työkalujen löytämisen loputtomasta valikkosyöveristä: kuvakkeet näyttävät samanlaisilta ja nimistä muistaa yleensä vain ensimmäisen tavun. Ja ne menevät sekaisin pahemmin kuin fuksiystävien nimet orientaatioviikolla.

Tällä hetkellä fiilis on kuitenkin se, että visualisointityökalut ovat parhaiten hallussa. Se saattaa johtua siitä, että visualisointiin on helppo uppoutua ja sitä on tullut treenattua kurssin aikana jokaisen kartan kohdalla. Melko tutuksi on tullut myös attribuuttitaulun muokkaaminen erilaisilla toiminnoilla, joilla tietokantaa pystytään valmistelemaan ja karsimaan haluttua käyttötarkoitusta varten. Tähän soveltuvat hyvin valintatyökalut kuten Spatial Query ja Select By Expression, jotka myös Iina mainitsee blogissaan.

Tällä kurssikerralla käytettiin paljon aikaa puskurityökalun hyödyntämiseen. Sen avulla selvitettiin itsenäisessä harjoituksessa muun muassa lentokenttien meluvyöhykkeellä asuvien määrää. Käyttötarkoituksia puskurivyöhykkeille on kuitenkin monia: vyöhykkeiden avulla voidaan selvittää vaikkapa mihin olisi otollisinta perustaa uusia ruokakauppoja tai muita palveluita. Lisäksi niitä voidaan hyödyntää esimerkiksi ilmansaasteiden, säteilyn tai tulvien vaikutusalueita tutkiessa, kuten Julia mainitsee blogissaan.

QGISin avulla voidaan ratkaista ongelmia monipuolisesti. Rajoitteita antaa kuitenkin käyttäjän kokemus ohjelman käytöstä, sillä pahimmillaan käyttö voi olla hyvinkin hidasta ja epämukavaa. QGIS on kuitenkin melko yksinkertainen, ja kuten Ameliakin blogissaan toteaa, on sen käyttö mielekästä pienen harjoittelun jälkeen. Ongelmaksi käytössä nousee kuitenkin aivan liian usein Sininkin mainitsema ohjelman raskaus ja hitaus suurien aineistojen käsittelemisessä. Vaikea uskoa, että kurssilta löytyisi yksikään, jonka käsissä QGIS ei ole vielä kaatunut.

Alla vastauksia, joita sain viikon 5 tehtävistä. Ensimmäisissä tehtävissä bufferoitiin lentokenttiä ja selvitettiin melualueella asuvia ihmisiä. Seuraavaksia tutustuttiin asemien lähettyvillä asuviin ihmisiin myös puskurianalyysin avulla. Viimeisenä selvitettiin Helsingin yhtenäiskoulun oppilaiden jakaumia ja määrää tietokantaa tutkimalla. En ole lainkaan varma, että laskut menivät oikein, ja koenkin tarvitsevani vielä harjoitusta tämänkaltaisissa tehtävissä.

Asukkaita 2 km säteellä Malmin kentästä 57 695
Asukkaita 1 km säteellä Malmin kentästä 9140
1 km säteellä sijaitsevat rakennukset, jotka on rakennettu v. 1936 jälkeen 726
Asukkaita v. 1936 jälkeen rakennetuissa taloissa 8942
Asukkaita 2 km säteellä Helsinki-Vantaan kentästä 11 577
2 km säteellä asuvista pahimmalla melualueella(65dB) asuvia 0.25%
Vähintään 55 dB melualueella asuvia 11 913
Asukkaita, joita Tikkurilan yli suuntautuva lentoliikenne häiritsisi 32 510
Väh. 500m säteellä asemasta asukkaita suhteessa kaikkiin alueen asukkaisiin 21.8%
Väh. 500m säteellä asuvia työikäisiä suhteessa kaikkiin alueen asukkaisiin 14.9%
Taajamissa asukkaita suhteessa kaikkiin alueen asukkaisiin 97.6%
Kouluikäisistä taajamien ulkopuolella asuvia suhteessa kaikkiin alueen kouluikäisiin 2.6%
Helsingin Yhtenäiskoulun koulupiirin alueella kouluikäisiä suhteessa kaikkiin alueen asukkaisiin 8.4%
Uusia oppilaita seuraavana vuonna 14
Yläasteikäisiä seuraavana vuonna 62
Muunkielisiä kouluikäisiä 9

 Lähteet

Rusanen, I. ”Ongelmanratkaisua ja onnistumisia” (https://blogs.helsinki.fi/iinarusa/2019/02/18/ongelmanratkaisua-ja-onnistumisia/) (luettu 25.2.2019)

Salmi, J. ”Bufferointia ja melusaastetta” (https://blogs.helsinki.fi/jhsalmi/2019/02/19/osa-5-bufferointia-ja-melusaastetta/) (luettu 25.2.2019)

Cardwell, A. ”Buffereita ja kertailua” (https://blogs.helsinki.fi/amca/2019/02/16/viikko-5-buffereita-ja-kertailua/) (luettu 25.2.2019)

Ahtinen, S. ”Ongelman ratkaisua” (https://blogs.helsinki.fi/ahtisini/2019/02/17/kurssikerta-5-ongelman-ratkaisua/) (luettu 25.2.2019)

Rastereita korkeuskäyriä rastereita korkeuskäyriä rastereita

Hei vaan!

Tämän viikon toisessa tehtävässä tarkoituksena oli harjoitella rasteriaineiston tuomista QGISiin. Tarkasteluun otimme Pornaisten alueen, ja ensimmäiseksi saimme käsittelyyn kahdessa osassa olevan korkeusmalliaineiston. Rasteriaineistot muistuttivat aluksi enemmän pilviä kuin korkeusmalleja, aineistojen yhdistämisprojektissa tuntui joku tippuvan kärryiltä n. kerran kahdessa minuutissa. Vaikeuksien kautta pääsimme kuitenkin voittoon, ja Virtual Raster -toiminnolla korkeusmallit yhdistyivät lopulta kauniisti yhdeksi korkeusmalliksi. Tämän uuden korkeusmallin pohjalta loimme korkeuskäyrät, jotka näkyvät kuvissa 1-3 sinisellä. Kun korkeusmallit olivat valmiit ja kello melkein 11 illalla, silmät lupsahtelivat kiinni vuorotellen.

Ei vaan, virkeänähän täällä vertaillaan korkeuskäyriä Paitulista ladattuun Maanmittauslaitoksen peruskarttalehden korkeuskäyriin. Nämä näkyvät kuvissa 1-3 kauniilla ja tutulla punaruskealla sävyllä.

Maanmittauslaitoksen peruskarttalehden korkeuskäyriä voisi kutsua yleistetyksi versioksi tänään tekemistäni korkeuskäyristä. Yleistäminen on hyvin fiksua, sillä peruskartalla ei ole tarpeellista esittää korkeuden vaihtelua yhtä tarkasti, kuin minun siniset korkeuskäyräni esittävät. Pääosin käyrät vastaavat kuitenkin toisiaan hyvin.

Kuva 1. Lampisuolle luomani korkeuskäyrät ovat jääneet Maanmittauslaitoksen peruskartalta kokonaan pois.
Kuva 2. Erot peruskarttalehden ja tekemieni korkeuskäyrien välillä näkyvät selkeästi kohdissa, joissa korkeusvaihtelua on tiheästi.
Kuva 3. Jonkin verran yleistystä on nähtävissä kaikissa korkeuskäyrissä.

Ruudun takaa

Hellou ja ihanaa maanantai-iltaa!

QGIS:lla ja minulla on mennyt viime aikoina hieman paremmin. Tänään meillä oli vain pientä sanaharkkaa, joka päättyi pariin kiivaaseen ”OK!” -OK! ”OK” tiuskimiseen, ruudut sumenivat raivosta mustiksi ja kerran jouduin jopa ottamaan hieman erätaukoa, kun toinen oli vetänyt taas jotain vettä vahvempaa ja sammui uudelleen ja uudelleen kesken riidan. Lopulta  ymmärsimme, että kyseessä oli taas kerran vain väärinymmärryksiä väärinymmärrysten perään.

Tänään opeteltiin siis yhdessä tekemään ruutukarttoja. Niiden tekeminen tuntui jo huomattavasti helpommalta, kun mieleen oli ihmeen kaupalla uponnut aiemmat harjoitukset tietokannoilla kikkailulla. Lopputuloksena oli kaksi ruutukarttaa, jotka esittelen seuraavaksi.

Kuva 1. Kartasta näkyy, että tihein asutus pääkaupunkiseudulla löytyy Helsingin kantakaupungista.

Ensimmäinen kartta (Kuva 1.) tehtiin yhdessä luennolla. Siinä käytettiin ruutukokona 1 km² ruutuja, joilla kuvattiin asukastiheyttä. Kartan tekeminen oli hauskaa, ja siitä erottuukin selkeästi Helsingin seudun keskukset. Ylivoimaisesti tihein asutus löytyy Helsingin kantakaupungista. Kantakaupungissakin erottuu selkeästi alueet, joissa asutusta on hieman vähemmän, sen sijaan alueella on paljon esimerkiksi liikkeitä ja ravintoloita. Muita asutuskeskittymiä näyttäisi löytyvän esimerkiksi Espoosta, Vantaalta ja Itä-Helsingistä.

Kuva 2. 22-vuotiaiden asuinkeskittymät Helsingin seudulla.

Luennon jälkeen yritin tehdä ruutukarttaa uudelleen, tällä kertaa käytin aineistona 22-vuotiaiden sijoittumista pääkaupunkiseudulla. Valitsin myös tarkemman 0.5 km² ruudukon, jotta jakautuminen näkyisi kartalla tarkemmin. Vaikka kartta muistuttaakin hieman aiempaa asukastiheyskarttaa, on siellä silti havaittavissa joitain eroja. Selkeästi eniten 22-vuotiaita asuu Otaniemessä, mitä selittää luonnollisesti Aalto-yliopisto. Karttaa tarkastellessa muutkin tiheentymät näyttäisivät sijaitsevan siellä, missä on esimerkiksi HOAS:n asuntoja, kuten Toukolassa, Kumpulassa ja Vallilassa. Myös muut kantakaupungin osat näyttävät houkuttelevan, ja merkittävästi 22-vuotiaita asuu esimerkiksi Kalliossa.

Mielestäni molemmat kartat ovat melko onnistuneita ensimmäisiksi ruutukartoikseni. Pidän enemmän 22-vuotiaiden keskittymiä esittävästä kartasta tarkkuuden vuoksi. Molempiin karttoihin lisäsin myös tiestön selkeyttämään pääkulkuväyliä, ja asutus näyttääkin keskittyvän molemmissa kartoissa pääteiden varteen. Pidän myös ruutukarttojen ulkoasusta, sillä ne esittävät informaation koropleettikarttaa tarkemmin ja antavat yleiskuvan pistekarttaa selkeämmin.

Seuraavassa postauksessa tuleekin sitten tämän viikon seuraava tehtävä numero kaksi!

Ja loppuun vielä biisi, joka kuvastaa tämän hetkistä tunnemyräkkääni QGIS:siä kohtaan. <3

Sinä lähdet ja tulvii Pohjanmaa

Ihanaa keskiviikkoa!

Viikko lähti käyntiin ensimmäisellä GEM-tunnilla, jolla en pudonnut kärryiltä kuin kerran! Fiilis siis tällä hetkellä varovaisen toiveikas sen suhteen, että kurssista saatetaan jopa päästä läpi.

Tällä viikolla harjoiteltiin tietokantojen valmistelemista käyttöön. Siihen kuului esimerkiksi kohteiden ryhmittelyä ja yhdistämistä merge selected features ja  dissolve -toiminnoilla, sekä tiedon liittämistä tietokantaan Excelistä, muista tekstitiedostoista (CVS) ja toisista tietokannoista join-työkalulla.

Käytyämme toiminnot läpi, oli aika hypätä kylmään veteen ja kokeilla, jäikö edellisestä parista tunnista mitään mieleen. Seuraavaksi tehtävänä oli nimittäin tuottaa teemakartta, joka kuvaisi Suomen vesistöalueiden valuma-alueominaisuuksia ja tulvaherkkyyttä.  Valuma-alueet ovat korkeampien maastonkohtien eli vedenjakajien väliin jääviä alueita, joilta kaikki vedet päätyvät samaan vesistöön. Useimmille tuttuja vedenjakajia ovat varmasti esimerkiksi Suomenselkä, joka erottaa Pohjanmaan valuma-alueet Järvi-Suomen valuma-alueista, sekä Pohjois-Suomessa sijaitseva Maanselkä. Lopputulokseni voitte tarkastaa kuvasta 1.

Kuva 1. Tulvaindeksi on suurin rannikoilla ja aivan pohjoisessa Lapissa, missä joet laskevat Pohjoiseen jäämereen.

Valitsin tällä kertaa vielä helpomman version, sillä vaikka päivän opinnot olivatkin alkaneet lupaavasti, ei itseluottamukseni ollut vielä aivan palannut ennalleen. Baby steps jne. Kuten Anttonikin totesi blogissaan, tehtävä olikin melkoisen yksinkertainen ja nopea tehdä. Anttonin tavoin minullakin haasteeksi osoittautui kuitenkin kartan visualisointi. Tuntui, että vaikka värisävyjä olisi säätänyt tunteja ja taas tunteja, niin kartta näytti silti yhtä kamalalta. Lopputuloksena olikin hieman sekavan rusehtava kartta. Kartalla näkyy tulvaindeksit valuma-alueittain koropleettikarttana, sekä ympyrädiagrammeissa valuma-alueiden järvisyys- ja maapinta-ala. Varsinkin Suomen eteläisissä osissa ympyrädiagrammit peittävät hieman ärsyttävästi rannikon valuma-alueet. Tästä voidaan päätellä, ettei toteutustyyli ole aivan paras tälläisen tiedon esittämiseen, vaan järvisyyden ja maapinta-alansuhdetta eri valuma-alueilla olisi voitu esittää vaikkapa erillisenä diagrammina.

Kartasta huomaa heti, että tulvaherkimmät alueet löytyvät rannikoilta. Olen itse kotoisin Pohjanmaalta, joten joka keväiset tulvat ovat tuttu ilmiö. Korkein tulvaindeksi on Aurajoen valuma-alueella. Kartasta voidaan myös huomata, että tulvaherkimmillä alueilla järvisyysprosentti on usein melko pieni. Järvet tasaisivat jokien virtaamaa, mutta esimerkiksi Pohjanmaalla järviä on hyvin vähän. Kun siis yhdistetään lumien sulamisvedet ja tasainen maasto, on kasassa täydelliset ainekset tulvimiseen. Saaga kuvaileekin suuren tulvaindeksin omaavia alueita oikein hyvin: ”Suuren indeksin omaavat alueet ovat alavia, valuma-alueina pieniä, pinnanmuodoiltaan vain pientä vaihtelua omaavia eikä alueilla ole suuria järvialtaita. Tällöin vedellä ei ole mahdollisuutta virrata esimerkiksi mereen, vaan se tulvii joen reunojen yli pelloille. ” Saaga on myös onnistunut visualisoimaan karttansa erittäin kauniiksi, propsit siitä!

Loppuun vielä viikon biisi, sopivasti teemaan liittyen:

Lähteet:

Wikipedia: Suomenselkä (https://fi.wikipedia.org/wiki/Suomenselk%C3%A4) (luettu: 30.1.2019)

Wikipedia: Maanselkä (https://fi.wikipedia.org/wiki/Maanselk%C3%A4_(vedenjakajaseutu)) (luettu: 30.1.2019)

Laapotti, S. ”Kovaa hermojen koettelua”, luettu 30.1.2019, https://blogs.helsinki.fi/saagalaa/

Tumanoff, A. ”Tietokantaliitoksia ynnä muuta”, luettu 30.1.2019, https://blogs.helsinki.fi/gis-1-anttoni/

 

You can do it

Hellurei ja hellät tunteet <3

Tänään vuorossa oli viikon 2 (eli tämän viikon, aikataulussa ollaan!) harjoitukset ja ne lähtivätkin sujumaan huomattavasti sukkelammin, kun eilisen QGIS-seikkailut olivat tuoreessa muistissa. Harjoituskerta lähti käyntiin mukavan simppeleillä harjoituksilla, jossa tutuksi tulivat mittaustyökalut.

Taulukko 1. Suomi-neidolle piirtämäni hatun pinta-ala vaihtelee eri projektioilla, taulukossa on vertailun vuoksi kokoero prosentteina ja neliökilometreinä ETRS89/ETRS-TM35-projektioon. Projektio vääristää myös etäisyyksiä.

Ensimmäisessä tehtävässä vertailin eri projektioiden vaikutusta pinta-aloihin ja etäisyyksiin.  Vaikka olin toki tiennyt, että projektiot vääristävät mittasuhteita, oli silti pysäyttävää nähdä konkreettisia lukuja. Esimerkiksi matkaa Suomen pimeältä puolelta Kontiolahdelta Valon Kaupunkiin Kauhajoelle on ETRS-TM35:n mukaan 397 kilometriä. Muut projektiot vääristävät kuitenkin niin, että epätoivoinen matkalainen saattaa väärää projektiota tarkastellessaan erehtyä luulemaan, että välimatkaa olisi jopa yli 4000% todellista enemmän. Google Mapsin reittiopas heittää autoilijan reitin pituudeksi n. 480 kilometriä, joten jotain heittoa saattaa olla joko minun piirtämäni viivan ja  reitin tai projektioiden välillä. Elkää silti hätäilkö itään eksyneet: noin kuudessa tunnissa olette jo Suomen paremmalla puolella. Karttoja tehdessä ja etäisyyksiä mitatessa täytyy todella pysyä tarkkana, jotta kyseisen alueen tiedot eivät vääristyisi. Uskon, että aivan kaikki eivät kuitenkaan huomioi projektion vaikutusta, ja internetin syövereistä löytyy varmasti pilvin pimein epäluotettavaa tietoa.

Kuva 1. Oikeakulmaisessa Mercatorin projektiossa pinta-alavääristymät ovat sitä suurempia, mitä pohjoisempaan mennään.

Seuraavassa harjoituksessa tutkittiin pinta-alavääristymien alueellisia eroja Suomen kunnissa, ja tehtävänä oli havainnollistaa näitä Suomen kartalla. Käytin kartan projektiona ETRS89/ETR-LAEA, sillä se esittää Suomen likimain sellaisena, kuin olemme sen kartalla tottuneet näkemään. Väriksi valitsin raikkaan vaaleanpunaisen eri sävyt, sillä väripaletin eri sävyt kuvaavat ilmiötä mielestäni selkeästi: mitä tummempi sävy, sitä suurempi vääristymä. Lisäksi minun teki karttaa tehdessä kovasti mieli samansävyistä vadelmamehujäätä. Eri luokkia valitsin seitsemän, koska ajattelin, että näin pinta-alavääristymän muutos erottuisi hieman tarkemmin.

Valitsin tarkasteluun projektiot Mercator ja Robinson. Ensi silmäyksellä kartat näyttävät samanlaisilta, mutta erot löytyvätkin legendasta. Mercatorin projektiossa pienin vääristymä on 295%, kun taas Robinsonin projektiossa vääristymä on vähimmillään ainoastaan 19.2%. Alueelliset erot jakautuvat kuitenkin muutamaa kuntaa lukuunottamatta samalla tavalla: mitä pohjoisempaan mennään, sitä voimakkaampi vääristymä. Ero pohjoisimman Lapin ja esimerkiksi Helsingin välillä on suuri, sillä vääristymä on Lapissa jopa kaksinkertainen pääkaupunkiin verrattuna.

Ero projektioiden vääristymissä johtuu niiden tyypistä: Mercator on oikeakulmainen projektio, jossa ilmansuunnat ovat aina oikeassa kulmassa. Lähellä napoja tämä vaatii mittakaavan kasvattamista. Robinsonin projektio taas on kompromissi, jolla pyritään, että projektioiden aiheuttamat vääristymät olisivat minimissä.

Kuva 2. Myös Robinsonin projektiossa pinta-alavääristymät ovat voimakkaimpia pohjoisessa, vaikka projektio ei olekaan oikeakulmainen, vaan kompromissi, jossa kaikki vääristymät olisivat mahdollisimman vähäisiä.

 

Fiilis tämän viikon tehtäväpuristuksen jälkeen on hyvä! Tiistain hermoromahduksesta on tultu jo siihen, että osasin jopa neuvoa pulassa olevaa ystävää kartan visualisoinnissa. Ja vieläpä ulkomuistista!

Päivän ekstrana  toimii tänään Päivän vihattu: Internet Explorer

Loppuun vielä motivaatiovideosuositus:

 

Lähteet

Wikipedia: ”Mercatorin projektio” https://fi.wikipedia.org/wiki/Mercatorin_projektio (luettu 25.1.2019)

Wikipedia: ”Robinsonin projektio” https://fi.wikipedia.org/wiki/Robinsonin_projektio (luettu 25.1.2019)

 

 

Mitä tapahtuu? Olen hereillä

Hyvää päivää ja tervetuloa seuraamaan epätoivoista tietäni kohti GIS:n saloja. Aloitin matkani tyylikkäästi myöhässä, sillä olin ensimmäisen kurssikerran aikaan palaamassa eräältä hieman  toisenlaiselta matkalta. Kulttuurishokista toipuessani todellisuus läjähti päin kasvoja varsin kivuliaasti, eikä kurssijunaan mukaan vauhdista hyppääminen ollutkaan aivan niin helppoa. Katselimme QGIS:n kanssa toisiamme, huidoimme käsiämme ja huusimme kovempaa ja kovempaa toivoen, että toinen vihdoin ymmärtäisi mitä toinen haluaa.

Lopulta keskityin tekemään hengitysharjoituksia neljä tuntia, ja päätin aloittaa alusta seuraavana päivänä.

Vaikka vihaisena ei saisi mennä nukkumaan, niin silloin tällöin siitä voi kuitenkin olla apua. Tänään saavuin kampukselle hyvä aamupala vatsassani, ja aloin tekemään ensimmäisen luentokerran harjoituksia uudella tarmolla. Ne sujuivat hieman paremmin, ja jotain selvästi upposi päähän; parin tunnin harjoittelun jälkeen työkalut tuntuivat löytyvän jo helposti ja harjoitusohjeessa esitellyt toiminnot tulivat tutuksi.

Ensimmäinen kartta, jonka tein, jäi ikävä kyllä suorastaan kamalan näköiseksi, sillä ystäväni kiire ja ahdistus koputtelivat olalle ja saivat järkeni sumenemaan yhdellä kellonvilkaisulla. Olin jo aikeissa julkaista sen täällä joka tapauksessa, mutta selailtuani muiden ensimmäisiä blogipostauksia huomasin omassani niin paljon virheitä, etten pystynyt. Kiitos siis Amelialle, Sinille ja Elinalle, joiden kartoista havaitsin, että mm. oman karttani typpipäästöarvot olivat väärin.

Kuva 1. Ensimmäisestä kartastani huomaa, että typpipäästöt ovat suurimpia Puolassa, ja matalimpia Virossa.

Huomasin, että olimme Sinin kanssa valinneet aika samanlaiset sävyt, mutta käyttäneet niitä eri suuntiin: Sini oli tulkinnut vihreää ekologisena sävynä, joten hänen kartassaan Viro esiintyi kaikista tummimman vihreänä. Puola taas taittoi väriltään keltaiseen, sillä siellä typpipäästöt ovat korkeimmat. Itse valitsin kartan värisävyiksi vihreän lähinnä, koska se tuntui minusta luonnolliselta sävyltä kuvata mannerta, ja kartassani voimakkaimmat eli tummimman vihreät sävyt viittaavat korkeampiin typpipäästöarvoihin.

Karttani on ainakin ensimmäiseen tuotokseeni verrattuna varsin onnistunut, ja ilmiö erottuu kartasta mielestäni hyvin. Parannettavaa olisi kuitenkin ainakin värisävyissä, sillä Itämeren syvyyskäyrät tuntuvat hieman hukkuvan vaaleansiniseen. Myös järvien vaaleus tekee kartasta hieman sekavan näköisen.

Aivan täysin ahdistuksetta ei selvitty tiistainkaan GIS-päivästä, mutta valoa kohti mennään. Toiveissani on saada tällä viikolla ulos vielä jonkinlainen teemakartta Suomen kunnista, mutta luulen, ettei sydämeni kestäisi sen väkertämistä juuri nyt.

Kiitos kaikille lukijoille, ja loppuun vielä päivän musiikkisuositus. Tämä soi päässäni ehkä siksi, että lukuisten viikkotehtävien takia minun todella pitäisi olla pyykkäämässä ja tiskaamassakin. Olisipa vain aikaa.

Lähteet

Ahtinen, Sini. Ensimmäinen kurssikerta (15.1.2019) https://blogs.helsinki.fi/ahtisini/ (luettu: 22.1.2019)