Month: January 2024

toinen kurssikerta

Toisen viikon luennolla jatkettiin QGIS:n käytön harjoittelua. Opettelimme esimerkiksi käyttämään ohjelman valinta- ja mittaustyökaluja, lisäämään WFS kerroksia sekä käyttämään erilaisia projektioita. Luennolla tutkittiin QGIS:n avulla, miten eri projektiot vääristävät alueiden pinta-aloja.

Projektiot pyörityksessä

Suomessa käytetään nykyään pääasiassa ETRS-TM35FIN-projektiota. Projektio on todettu hyväksi ja se on todella tarkka verrattuna esimerkiksi moniin maailmankartoissa käytettäviin projektioihin. Vertasimmekin muita projektioita ETRS-TM35FIN-projketioon, koska sen tiedetään olevan aika lähellä todellisuutta, vaikka aina projektioissa esiintyy vääristymiä.

Ennen karttojen tekemistä, kokeilimme QGIS:n mittaustyökalujen avulla mittaustulosten vääristymiä projektiota vaihtaessa. Tulokset taulukoitiin (taulukko 1) ja niistä voi huomata selkeitä eroja.

Taulukko 1. Mittaustulosten vaihtelut eri karttaprojektioiden välillä.

Tehtävänä oli esittää vääristymäkertoimia koropleettikartoilla. Pohjalla on Suomen kartta, josta erottuu eri Suomen kunnat. Tehtävään sopi parhaiten värit, joissa on jaettu niin, että löytyy voimakkaan virheen ääripää (tässä tapauksessa punainen) ja pienemmän virheen ääripää (tässä tapauksessa sininen). Kaikkien eri projektioiden virheet esitetään kartalla, jossa on käytetty samaa ETRS-TM35FIN-projektiota, jotta niiden keskinäinen vertailu olisi mahdollista.

Kuva 1. Mercatorin ja ETRS-TM35FIN projektioiden väliset vääristymäkertoimet koropleettikartalla.

Kuva 2. Robinsonin ja ETRS-TM35FIN projektioiden väliset vääristymäkertoimet koropleettikartalla.

 

Kuva 3. Winkel Tripel ja ETRS-TM35FIN projektioiden väliset vääristymäkertoimet koropleettikartalla.

Ensisilmäyksellä kartoista (kuvat 1-3) voidaan huomata, että jokaisella projektiolla pinta-alojen vääristymää on sitä enemmän, mitä pohjoisemmaksi edetään. Kuitenkin legendaa lukiessa voidaan huomata, että vääristymäkertoimissa on eri projektioiden välillä huomattaviakin eroja. Mercatorin projektion (kuva 1) pienin esiintyvä vääristymäkerroin on 3,95 ja suurin 8,26. Tämä tarkoittaa siis sitä, että Mercatorin projektiossa Suomen pohjoisimmat alueet esiintyvät pinta-alaltaan noin kahdeksankertaisina. Mercatorin projektio vääristääkin valtavasti napa-alueiden läheisiä pinta-aloja. Verrattuna Robinsonin projektioon (kuva 2) ja Winkel Tripel -projektioon (kuva 3), on Mercatorin kartassa pinta-alojen vääristymät huomattavasti suuremmat. Molemmissa Robinsonin ja Winkel Tripel -projektioissa vääristymäkerroin on noin 1,2 ja 1,6 väliltä. Nämä molemmat projektiot ovatkin siis huomattavasti tarkempia pinta-alan suhteen kuin Mercatorin projektio, jossa suunnat ovat oikein. Molemmissa Winkel Tripel sekä Robinsonin projektioissa onkin yritetty minimoida vääristymiä, mutta myöskään mikään ei ole projektiossa täysin oikein (Snyder, J. P. and Voxland, P. M. (1989)).

Viimeisenä projektiona kokeilin Equal Area projektion vääristymiä pinta-alassa (kuva 4). Kuten projektion nimestäkin voi päätellä, projektiossa pinta-alojen pitäisi kuvata todellisuutta (Šavrič, B., Patterson, T., and Jenny, B., 2018). Kuvan 4 kartan legendasta voidaan nähdä, että pinta-alan vääristymäkerroin projektiolla on suurimmillaan vain 1,005 ja pienimmillään 0,997. Projektion pinta-alat ovatkin siis todella lähellä ETRS-TM35FIN-projektioiden pinta-aloja.

Kuva 4. Equal Area ja ETRS-TM35FIN projektioiden väliset vääristymäkertoimet koropleettikartalla.

 

Gaius Eriksson pohti blogissaan värien käyttöä kartoissaan, joissa vertaillaan eri projektioiden aiheuttamaa virhettä pinta-aloissa. Hän oli käyttänyt kaikissa kartoissaan eri värejä, jotta lukija ymmärtäisi nopeasti karttaa katsomalla, että kyseessä on eri kartat. Mielestäni tämä oli hyvä idea, sillä omat karttani ovat keskenään todella samannäköisiä ja lukematta tekstejä ei huomaisi kartoissa (kuvat 1-3) välttämättä mitään eroja ilman niiden tarkempaa tutkiskelua.

 

Lähteet

Eriksson, G. (2024). MAA202 Toinen viikko. https://blogs.helsinki.fi/ezgaius/. Viitattu 30.1.2024

 

Šavrič, B., Patterson, T., and Jenny, B. (2018). “The Equal Earth map projection.” International Journal of Geographical Information Science, 33(3)

Snyder, J. P. and Voxland, P. M. (1989). An Album of Map Projections. U.S. Geological Survey Professional Paper 1453. Washington, DC: United States Government Printing Office.

Ensimmäinen kurssikerta

Enismmäisellä kurssikerralla harjoiteltiin QGIS-ohjelman perustoimintojen käyttämistä tekemällä koropleettikarttoja. Luulin, että QGIS oli aivan uusi ohjelma, mutta muiden blogeja lukiessani muistin, että sitä käytettiin kerran eräällä aikaisemmalla kurssilla. Toisin sanoen, minulla ei ollut jäänyt mitään mieleen ohjelman käytöstä, joten kaikki kertaus luennolla oli hyödyksi. Kurssikerralle tehtiin kaksi erilaista karttaa, joista ensimmäinen tehtiin ohjatusti luennolla ja toinen itsenäisesti.

Itämeren Typpipäästöt Kartalla

Ensimmäisenä tehtvänä oli tehdä koropleettikartta Itämereen suuntautuvista typpipäästöistä. Tein kartan kokonaan kotona uudestaan, koska luennolla tekemässäni kartassa oli tullut jokin virhe. Tulipahan kerrattua kartan tekeminen ainakin vielä itsenäisesti 😀

Kartan tekemisessä oli aika monta eri vaihetta, mutta selvisin siitä hyvin itsenäisesti luennon jälkeen ohjeiden kanssa. Minulla oli hieman haasteita värien kanssa. QGIS laittoi automaattisesti vähiten typpipäästöjä tuottavat maat valkoiseksi, mikä ei mielestäni ole paras vaihtoehto, sillä maa-alueiden rajoista huolimatta, nämä alueet sulautuivat kartan valkoisiksi jääneisiin muihin merialueisiin liikaa. Luennolla mainittiin myös siitä, etteivät värit saisi olla negatiivista ilmiötä kuvatessa liian positiivisia. Näin ollen valitsin hälyttävän punaisen värit. En ole kuitenkaan vieläkään täysin tyytyväinen sävyihin, mutta näillä mennään. Myös värien voimakkuudella voi vaikuttaa siihen mielikuvaan, joka lukijalle tulee kartalla kuvattavasta ilmiöstä. Jos pienimmän luokan typpipäästöjä kuvattaisiin QGIS:n ehdottamalla valkoisella värillä, tulisi ainakin itselleni ensivaikutelma siitä, että nämä maat ovat ilmiön suhteen neutraaleja. Lopputuloksena saamani kartta on kuvassa 1.

Kuva 1. Itämereen päätyvien typpipäästöjen suhteelliset määrät valtioittain koropleettikartassa. Datan lähde: The Baltic Marine Environment Protection Commission (HELCOM) raportti, 2013.

Karttani onnistui lopulta ihan kohtuullisen hyvin. Vesistöt erottuvat selkeästi sekä muut maat erottuvat Itämerta saastuttavista maista hyvin. Typpipäästömaita olisi voinut kuvata vielä paremmilla väriellä. Mielestäni värit ovat jotenkin liian hailakoita. Monet muut kurssilaiset värittivät muut maat kartassaan harmaalla, mikä tavallaan olisi neutraalimpi värivaihtoehto kuin vihreä. Karttaani sen enempää tulkitsematta voisikin ajatella, että punaiset maat ovat jollain tapaa huonoja ja vihreät hyviä. Heini Tolvasen blogin (2024)  kuvassa 3 on hänen lopputuloksena saamansa kartta, joka on mielestäni visuaalisesti todella onnistunut. Tolvasen kartassa on neljä luokkaa kolmen sijaan, mikä antaa tarkempaa tietoa typpipäästöjen osuuksien jakautumisesta valtioiden välillä. Myös värit sopivat hyvin yhteen ja eri luokat on helposti erotettavissa toisistaan.

Karttaa lukiessa huomataan, että Puolasta tulee Itämereen suurimmat typpipäästöt. Kuitenkaan tarkkaa määrää ei kartta kerro, vaan lukija saa hyvin laajan tiedon siitä, että puolan typpipäästöjen osuus on jotakin 13,3-33,7 % väliltä. Olisi myös mukavampaa ja lukijaystävällisempää, että luokkien luvut olisivat tasalukuja.

Ruotsinkielisten osuus Suomen kunnissa

Ensimmäisen kurssikerran jälkeisessä kotitehtävässä oli tarkoituksena kerrata QGIS-ohjelman käyttöä tekemällä koropleettikartta Suomen kunnista jostakin muuttujasta. Kuvassa 2. on lopputuloksena saatu kartta ruotsinkielisten osuuksista.

 

Kuva 2. Koropleettikartta ruotsinkielisten osuudesta kunnan väestöstä.

 

Kuvan 2. kartasta voidaan huomata, että ruotsinkielisten osuus suurimassa osassa suomea on välillä 0-12 % koko kunnan väestöstä. Eniten ruotsinkielisiä näyttäisi olevan länsi- sekä eteläosissa. Kaikista eniten ruotsinkielisiä on Vaasan ympäristössä sekä Turun saaristossa. Myös Suomen eteläkärjessä on kuntia, joissa ruotsinkielisiä on noin 43-72 %. Suurin syy ruotsinkielisyyden keskittyminen Suomen länsiosiin tulee varmasti Ruotsin läheisyydestä. Läntisessä Suomessa on suuria eroja itäiseen Suomeen esimerkiksi siten, että itäisessä Suomessa paikoilla ei ole läheskään yhtä usein ruotsinkeilisiä nimiä kuin taas läntisessä Suomessa.

Muiden blogejani selaillessa huomasin, että osa oli samassa tehtävässä ruotsinkielisten osuuksista karttaa tehdessään käyttänyt kvantiililuokittelua kun taas itse käytin luonnollisia välejä luokitteluun. Kvantiileissa kussakin luokassa on yhtä monta aluetta, jolloin kartalla jokaista väriä on myös yhtä monta. Tämä vääristää hieman kartalla esitettävää ilmiötä ja saa sen helposti näyttämään todellisuutta dramaattisemmalta.

 

Lähteet

Tolvanen, H. (2024). First steps to QGIS (ja siitä eteenpäin…). https://blogs.helsinki.fi/heinitol/2024/01/first-steps-to-qgis/  Viitattu: 23.1.2024