Categories
Uncategorised
Kurssikerta 2: Projektiovalintoja ja tietokantoja

Tällä kertaa oli vuorossa tutustumista projektiovalinnan merkitykseen ja siihen, miten valittu projektio vaikuttaa kartan mittoihin. Opimme myös, miten eri tietokantoja voidaan hakea ja käyttää QGISissä. Kuten Flaminia Puranenkin (Puranen, 2020) blogissaan totesi ”ilmaista ja kaikille saatavilla olevaa dataa on verkossa mieletön määrä, kunhan vain osaa hakea oikeista paikoista.”

Harjoittelimme perusasioita, kuten miten rajata tietokannoissa esiintyvää tietoa helppojen kyselylausekkeiden avulla. Yksinkertaisten kyselylausekkeiden teko ei tuntunut lainkaan vaikealta, mutta ainakin näin aluksi helpotti, kun joku opasti mistä löytyy työkalut lausekkeiden rakentamiseen ja miten jokaisen nappulan takaa avautuvaa toimintoa voi käyttää.

Varsinaisessa harjoituksessa päästiin havainnollistammaan pinta-alavääristymiä kahden eri projektion avulla. Suomessa on yleisesti käytössä ETRS-TM35FIN projektio, johon vertasin Mercator Sphere -projektiota. Lopputulos näyttää kuinka paljon suurempi on Suomen kuntien pinta-ala Mercatorin projektiossa verrattuna ETRS-TM35:een. Tarkasteltaessa Mercatorin projektioon laatimaani karttaa (kuva1) nähdään, miten Suomen muoto on vääristynyt. Pohjoisosa näyttää suhteettoman suurelta Etelä-Suomeen verrattuna. Samoin voi huomata, että Lapissa pinta-alat ovat kasvaneet noin 7-kertaisiksi, etelässäkin kolminkertaiseksi.

Kuva 1. Pinta-alavääristymä Mercator Sphere -projektiossa verrattuna ETRS-TM35FIN

Tein koulussa vielä toisen vertailun ETRS-TM35 ja Winkel-Tripelin välillä, joka jäi kesken. Kotona ajattelin tehdä kartan uudelleen ja paremmin, sillä kertaushan on opintojen äiti, mutta nyt kotona tehty kartta näytti aivan erilaiselta, enkä tiedä mitä tein väärin. Janina Vikman mainitsee kohdanneensa samantyyppisen ongelman tehdessään kotona karttaa uudelleen. Harmillisesti olin myös ehtinyt tuhota koululla aloittamani työn, joten ei ollut enää mihin verrata.

Päätin vaihtaa tehtävää ja käyttää Moodlessa annettua dataa Natura-alueiden pinta-aloista ja harjoitella tietokantaliitoksen tekoa. Tehtävä oli mielestäni helpompi kuin sählääminen eri projektioiden kanssa ja sain kuin sainkin luotua kartan (kuva 2), mistä selviää Natura-alueiden pinta-ala suhteessa kunnan pinta-alaan. Huomasin, että sekä Tomi Kiviluoma että Heini Mäkelä olivat laatineet karttoja käyttäen tätä samaa aineistoa ja saaneet tuotettua samannäköisen kartan (Kiviluoma, 2020; Mäkelä, 2020).

Kuva 2. Natura-alueiden pinta-alat suhteessa kunnan pinta-alaan.

Huolimatta siitä, että ihan kaikki ei enää kotona onnistunut, huomasin miten tärkeää, on tietää minkä projektion kulloinkin valitsee. Toisaalta on myös oltava kriittinen muiden laatimia karttoja tarkasteltaessa. Projektio on aina tietynlainen kompromissi, sillä kolmiulotteisen maapallon esittäminen kaksiulotteisena ei koskaan täysin onnistu. Projektiota valitessa tulee huomioida halutaanko pinta-alojen, etäisyyksien vai kulmien olevan oikein vai valitaanko projektio, jossa on tehty kompromisseja näiden kaikkien osa-alueiden suhteen, kuten on tehty Robinsonin projektiossa, jota käytetään usein koko maapallon kuvaamiseen. Oikeakulmaista Mercatorin projektiota käytetään lähinnä merenkulussa, johon se soveltuukin erinomaisesti, mutta tilanteissa, joissa on kyseessä pinta-alariippuvainen tieto, kuten esimerkiksi väestöntiheys, on se silloin väärä valinta.

Lähteet

Puranen, F. (2020). Kurssikerta 2. Blogiteksti. Luettu 25.1.2020 https://blogs.helsinki.fi/flaminia/
Vikman, J. (2020). Kurssikerta 2. Blogiteksti. Luettu 25.1.2020 https://blogs.helsinki.fi/jagvikma/
Mäkelä, H. (2020). Kurssikerta 2. Blogiteksti. Luettu 26.1.2020 https://blogs.helsinki.fi/mcheini/
Kiviluoma, T. (2020). Kurssikerta 2. Blogiteksti. Luettu 26.1.2020 https://blogs.helsinki.fi/tomingeoblogi/

Categories
Uncategorised
Kurssikerta 1: Ensikosketus QGIS-ohjelmaan

Ensimmäinen oppituntitunti QGIS-ohjelmiston parissa on nyt takana. Ohjelmasta tiesin entuudestaan vain, että se on avoimen lähdekoodin paikkatietojärjestelmäsovellus, jolla voi eri dataa yhdistelemällä ja muokkaamalla tuottaa mm. itsetehtyjä karttoja, muuten ohjelma oli minulle täysin vieras.

Ensimmäinen tunnilla tehtävä harjoitus koski Itämeren typpipäästöjä. Aluksi tutustuimme ohjelman perustoimintoihin, muokkasimme attribuuttitaulukkoa ja opimme visualisoimaan laadittavaa karttaa. Seurasin opetusta kohta kohdalta, vaikka välillä olisi tehnyt mieli ryhtyä kokeilemaan eri toimintoja enemmänkin, ja eri väleissä säätämään tulevan kartan ulkonäköä. Eniten mietitytti mahdanko muistaa kaikki tunnilla käytetyt toiminnot siinä vaiheessa, kun lähden itsenäisesti työskentelemään uuden tehtävän parissa. Yksi yllättävimmistä piirteistä näinkin monipuolisessa ohjelmassa oli perinteisen undo toiminnon puuttuminen. Monta kertaa tehtävän edetessä, ja varmasti vielä jatkossakin, tulen kaipaamaan tuota niin usein erehdyksiltä ja vääriltä valinnoilta pelastavaa näppäintä.

Tunnin päätteeksi olin saanut luotua kuvassa 1 esitetyn kartan Itämeren typpipäästöistä. Koska olin ladannut QGIS-ohjelman myös omalle koneelle, onnistuin vielä kotona lisäämään karttaan valtioiden nimet sekä legendan otsikon, mitkä olivat jääneet koulussa tekemättä. Lopputulokseen olen tyytyväinen, onhan se kuitenkin vasta ensimmäinen QGIS:llä tuottamani kartta. Värejä voisi tietysti aina loputtomiin säätää paremmaksi, mutta tällä kertaa hyvä näin.

Kuva 1. Typpipäästöt Itämerellä maittain

Kartasta pistää heti silmään Puola suurimpana typpipäästöjen aiheuttajana. Mutta mikä tähän on syynä? Kuten Tiia Laisikin blogissaan hyvin totesi, kartat kuvastavat tiettyä ilmiötä, mutta eivät kerro siitä sen enempää (Laisi, 2020). Oletettavasti syynä Puolan typpipäästöihin on maan maatalousvaltaisuus ja erityisesti tehomaatalous. Kun pelloille levitetään ravinteita, valuu niistä osa sadeveden mukana järviin ja jokiin ja lopulta mereen.

Tunnin lopuksi laadin vielä kartan mikä kuvastaa ruotsinkielisten osuutta Suomen kunnissa. Kun kotona yritin avata tuota laatimaani karttaa, antoi kone kuvassa 2 näkyvän “virheilmoituksen”.

Kuva 2. Kuvakaappaus virheilmoituksesta

Päätin siis aloittaa alusta, mutta tällä kertaa valitsin naisten ja miesten prosentuaaliset osuudet Suomen kunnissa. Tehtävään käytin valmiiksi saatua Tilastokeskukselta ladattua vuoden 2015 dataa. Aineiston ollessa valmiiksi suhteellista pystyin oikaisemaan, eikä tarvinnut erikseen suorittaa laskutoimituksia. Kuten Paavo Kettunenkin toteaa, on suhteellinen esitystapa absoluuttisia lukuja informatiivisempi (Kettunen, 2020).

Tästä huolimatta jouduin turvautumaan ohjeisiin saadakseni kartat aikaiseksi. Lopuksi yhdistin samaan layout:iin sekä kartan naisten, että miesten suhteellista osuuksista ja kun karttoja voi verrata keskenään kuvaa lopputulos mielestäni hyvin eri sukupuolten jakautumista Suomessa kuten kuvasta 3 näkyy.

Kuva 3. Naisten ja miesten osuudet Suomen kunnissa vuoden 2015 kuntajaon mukaan.

Vaikka miesten ja naisten osuuden olisikin nähnyt yhdestä kartasta, niin halusin tehdä molemmat erikseen, jolloin erot korostuvat. Samalla sain harjoiteltua kahden kartan yhdistämistä samaan tulosteeseen.

Lähteet
Laisi, T. (2020). Kurssikerta 1. Blogiteksti. Luettu 18.1.2020 http://blogs.helsinki.fi/tlaisi/
Kettunen, P. (2020). Kurssikerta 1. Blogiteksti. Luettu 18.1.2020 https://blogs.helsinki.fi/paavoket/

 

Categories
Uncategorised

Hello world!

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!