Categories
Uncategorised

Kurssikerta 2: Tietokantoja ja projektioita

Toinen kurssikerta piti sisällään erilaisiin valintoihin ja tietokantoihin tutustumista sekä eri projektioiden vertailua. Ja mikä tärkeintä, se piti sisällään myös turhautumisen tunteita! Ensimmäisen visualisoinnin sain ohjeiden avulla tehtyä, mutta toinen ei sitten onnistunutkaan, yllätys yllätys. Nämä hommat siis vaativat grindaamista, jotta ne alkavat sujua.

QGIS tarjoaa monia tapoja saada aineistoja paikkatieto-ohjelmaan. Yleistymään päin ovat olleet erilaiset rajapinnat, joiden avulla haetaan netistä aineistoja suoraan palvelimelle. Näistä yleisimpiä ovat esimerkiksi WFS ja WMS, joista ensimmäistä pääsimme kokeilemaan. WFS eli Web Feature Service tarkoittaa (vektorimuotoisia) aineistoja, joita voi tallentaa omalle koneelle ja yhtä lailla muokata paikkatieto-ohjelmassa. Siispä avasimmekin Tilastokeskuksen WFS-paketin, joka sisälsi kymmeniä aineistoja eri aluerajauksin ja eri mittakaavoissa.

Sitten ryhdyttiinkin toimeen. Tarkoitus oli vertailla eri projektioiden vaikutuksia pinta-aloihin, tässä tapauksessa käytettiin Mercatorin projektiota (kuva 1). En käyttänyt karttaselitteessä prosentuaalisia arvoja vaan kerrointa, joka kuvaa sitä miten monikertaisena pinta-alat näkyvät kartalla. Esimerkiksi Etelä-Suomessa Mercatorin projektio kuvaa pinta-alat noin kolme kertaa liian suurina ja Lapissa jopa seitsenkertaisina. Tämä pohjoista kohti suureneva vääristymä oli toki oletettavissa, kuten muun muassa Enni Pyysalo totesi blogissaan (Pyysalo 2020).

Kuva 1: Koropleettikartta pinta-alojen vääristymisestä eri projektioita käytettäessä (Lähde: Tilastokeskus)

Onkin siis kriittisen tärkeää, mitä projektiota käyttää esimerkiksi pinta-aloja tutkittaessa. Pinta-alojen lisäksi alueiden muodot vääristyvät, mikäli käytetty projektio ei ole sopiva. Vertailinkin seuraavaksi ETRS-TM35FIN- ja World_Robinson-projektion vaikutusta pinta-aloihin ja alueiden muotoihin (kuvat 2 ja 3).

Kuva 2: ETRS-TM35FIN-projektio
Kuva 3: World_Robinson-projektio

Toisin kuin ETRS-TM35FIN, Robinsonin projektio ei oikein sovi kuvaamaan muotoja ja pinta-aloja Suomessa. Siinä missä ensiksi mainittu tuottaa järkevän näköisen kartan, on Robinsonin projektion mukainen kartta jo selkeästi vääristyneen näköinen. Lisäksi huomasin, että pinta-ala muuttuu yhtä lailla: kuvassa 2 esitetyn alueen (melko todenmukainen) pinta-ala on noin 4700 km², mutta Robinsonin projektioon skaalattuna saman alueen pinta-ala vaikuttaisikin olevan n. 5500 km². Tässäkään mielessä ei siis ole lainkaan yhdentekevää, mitä projektiota käyttää.

Projektioiden vaihtaminen QGISissä osoittautui jossain määrin ongelmalliseksi, tai jopa meni osaamisen ulkopuolelle, kuten Mikko Kangasmaa kuvaili tilannetta (Kangasmaa 2020). Tässäkin asiassa on toisaalta varmasti hyötyä toistosta. Harjoitus tekee GIS-mestarin!

LÄHTEET:

Enni Pyysalo (2020): Kurssikerta 2 – projektioiden vertailua (Luettu 27.1.2020)

Kurssikerta 2 – projektioiden vertailua

Mikko Kangasmaa (2020): Projektioita ja valintatyökaluja (Kurssikerta 2) (Luettu 27.1.2020)

Projektioita ja valintatyökaluja (Kurssikerta 2)

Categories
Uncategorised

Kurssikerta 1: Kohti QGISiä ja sen yli!

Hip hei!

Mikäs sen parempi tapa aloittaa uusi vuosi ja vuosikymmen kuin QGIS! Tämän avoimen lähdekoodin paikkatieto-ohjelmiston olisi parempi aiheuttaa innostumisen tunteita, tai muuten edessä on kivuliaat pari kuukautta. Tuon ajanjakson vietän siis Geoinformatiikan menetelmät 1 -kurssilla tulevien GIS-velho-opiskelutovereideni kanssa. Tässä blogissani käsitellään niin positiivisia kuin negatiivisiakin tuntemuksia QGISin tiimoilta (ja ehkä jotain konkreettisia tuotoksiakin, mikäli saan niitä aikaan).

Vaikka olin jo ennen kurssia ladannut QGISin läppärilleni, sain niiden parin kuukauden aikana vähemmän aikaan kuin ensimmäisen neljä tuntia kestäneen kurssikerran aikana. Vaikuttaakin siltä, että kenties tämä kurssi tulee kuin tuleekin tarpeeseen! Ensimmäiseksi tehtäväksi saimme toteuttaa visualisoinnin (lue: kartan) Itämereen kulkeutuvista typpipäästöistä valtioittain (kuva 1).

Erittäin havainnollistavien ohjeiden avulla työn toteutus oli helpompaa kuin olisin kuvitellut. Vaikka toisaalta, kuten esimerkiksi Annika Luoma totesi blogissaan (Luoma 2020), ilman ohjeita työn tekeminen olisi varmaankin tyssännyt alkutekijöihinsä. Pohja-aineistoa muokkaamalla saatiin joka tapauksessa aikaan kohtuullisen havainnollistava lopputulos. Työni visuaalista ilmettä (ennen kaikkea legendan osalta) olisin voinut kyllä parantaa, mutta tehty mikä tehty. Ja alkutaipaleella kun tässä ollaan, ei tämä ensimmäiseksi QGIS-räpellykseksi mahdottoman huono ole.

Kuva 1: Itämeren alueen valtioiden typpipäästöt prosenttiosuuksin ilmaistuna.

Seuraavaksi pääsinkin tuottamaan vapaavalintaisen koropleettikartan Suomen kunnat 2015 -aineistosta. Edellisen tehtävän perusteella olin saanut kätevästi haltuun kartan tuottamiseen vaadittavat taidot, jotka toivottavasti muistan vielä ensi kerralla! Päädyin tuottamaan kartan, jossa käsitellään eläkeläisten (yli 65-vuotiaiden) suhteellista osuutta eri kuntien väestöstä. Siinä missä edeltävä tehtävä vaati pari tuntia työntekoa, hoitui tämä vartissa. Kukaties ensimmäinenkin kartta on jonain päivänä ihan piece of cake.

Käytin koropleettikartan väriskaalana eri punaisen sävyjä, jotka jostain syystä tuntuvat näyttävän omaan silmiin sopivilta. Sitten ei muuta kuin lisättiin legenda, mittakaava ja pohjoisnuoli: ja kartta oli valmis. Lopputulokseen olen varsin tyytyväinen.

Kuva 2: Eläkeläisten osuus kunnittain 2015, %

Tutustuin Tomi Kiviluoman ja Tiia Laisin kurssiblogeihin (Kiviluoma 2020, Laisi 2020) hieman tarkemmin, sillä heidän käsittelemänsä kunta-aineistonsa liittyivät jossain määrin omaani: Kiviluoma havainnollisti kuntien kokonaisnettomuuttoa ja Laisi taas kuntien luonnollista väestönkehitystä. Tästä saattoikin tehdä mielenkiintoisen huomion: kunnissa, joissa eläkeläisten osuus on korkea, on lähes poikkeuksetta myös negatiivinen luonnollinen väestönkehitys ja kokonaisnettomuutto. Innolla odotan uusia tapoja havainnollistaa informaatiota, varsinkin, kun nyt jo huomaan monien ohjelman tarjoamien ominaisuuksien hyödyn.

Jos edellä mainitut tehtävät tuntuivat jossain määrin helpoilta, odottanee seuraavilla kurssikerroilla paluu maankamaralle. QGIS järjettömän laajoine mahdollisuuksineen tarjoaa taatusti haastetta pidemmäksi aikaa. Ja sanomattakin lienee selvää, että haaste otetaan vastaan!

Lähteet:

Kiviluoma, T. (16.1.2020). Johdanto kurssille ja QGIS:n peruominaisuudet. Luettu 20.1.2020.

Johdanto kurssille ja QGIS:in perusominaisuudet

Laisi, T. (15.1.2020). Kurssikerta 1. QGIS-ohjelmistoon tutustumista. Luettu 20.1.2020.

Kurssikerta 1. QGIS- ohjelmistoon tutustumista

Luoma, A. (17.1.2020). Kurssikerta 1: Tutustumsita QGIS-ohjelmistoon. Luettu 20.1.2020.

Kurssikerta 1: Tutustumista QGIS-ohjelmistoon