Vääristävät karttaprojektiot

Toinen kurssikerta meni mielestäni erinomaisesti. Toisin kuin ensimmäisellä kerralla, tällä kertaa ymmärsin paremmin tekemäni toiminnot ja valinnat QGISiä käyttäessä. Kuten tehtävänannossa luki, kurssikerran tarkoituksena oli tehdä mahdollisimman monella tapaa toistoja, jotta tietokantojen kanssa toimiminen tulisi tutummaksi. Oivalsin paljon uusia asioita QGISistä ja karttojen tekeminen herätti monenlaisia ajatuksia projektioista. Olin iloinen siitä, että sain tarvittavat kartat ja taulukon tehtyä jo tunnin aikana. Kotiin ei jäänyt muuta tekemistä kuin blogitekstin kirjoittaminen.

Tällä kurssikerralla siis keskityimme tarkastelemaan eroavaisuuksia eri projektioiden ja koordinaattijärjestelmien välillä sekä niiden aiheuttamia vääristymiä. Kuten Pilvi Toijonen blogissaan kertoo, maapallon kolmiulotteista pintaa on mahdoton kuvata täydellisesti tasopinnalla. Tämän takia projektiot vääristävät väkisin alueiden välimatkoja, pinta-aloja tai muotoja. Tehtävässä pohjana käytettiin ETRS-TM35FIN-koordinaattijärjestelmää, joka on siis suosituksen mukainen suomalainen koordinaattijärjestelmä. Tehtävä osoitti hyvin eri maailmanlaajuisten projektioiden eroavaisuudet verrattuna ETRS-TM35FIN-koordinaattijärjestelmään.

Taulukkoon 1 on kerätty saman etäisyyden sekä alueen arvot eri projektiossa. Pohjana käytetty ETRS-TM35FIN toimii vertailukohteena muille projektioille. Ellipsoidin pituus ja pinta-ala ovat aina sama jokaisen projektion kohdalla. Tason pituus ja pinta-ala kuitenkin muuttuvat projektiota vaihtaessa. Luvut vaihtelevat tason pituudessa muutamilla sadoilla ja pinta-alassa muutamilla tuhansilla – lukuun ottamatta Mercatorin projektiota, jossa pinta-ala on lähes 8,5 kertainen. Taulukkoon olisi voinut lisäksi laskea prosenttiarvon, joka ilmaisee lukujen suuruuserot. Taulukosta on kuitenkin vaikea ymmärtää eri projektioiden vääristymiä, jonka takia ne visualisoitiin kartalle eri värien avulla.

Taulukko 1. Saman tason pituus ja pinta-ala vertailussa eri projektioiden välillä.

Valitsin karttojen visuaaliseen vertailuun kolme projektiota: Robinson, Mercator ja Mollweide. Käytin jokaisessa visualisoinnissa samoja luokkia ja värejä, mutta niissä ovat kuitenkin käytössä täysin eri asteikot. Mercatorin projektiossa (Kuva 1) asteikko on 3,95-8,26, kun taas Robinsonin projektiossa (Kuva 2) 1,185-1,416, eli vääristymät ovat reilusti pienemmät. Mollweiden projektiossa (Kuva 3) asteikko on vain 0,993-0,998 välillä, eli erot arvojen välillä ovat lähes olemattomat. Projektiossa ei siis ole melkeimpä ollenkaan pinta-alavääristymiä. Tämä täytyy siis muistaa karttoja vertaillessa. Olisin toki voinut laittaa kyseiset asteikot karttojen viereen näkyviin, mutta olin laiska.

Robinson (Kuva 1) on niin sanottu kompromissiprojektio, jossa kaikkien ominaisuuksien vääristymiä on pyritty minimoimaan. Se pyrkii siis olemaan samaan aikaan mahdollisimman oikeapintainen, oikeakulmainen ja oikeapituinen kuin mahdollista. Mikään ominaisuuksista ei kuitenkaan ole täysin oikein. Mercator (Kuva 2) puolestaan on oikeakulmainen projektio, eli pituus- ja leveyspiirit kuvautuvat yhdensuuntaisina, mutta pinta-ala ja etäisyydet vääristyvät. Pinta-ala on päiväntasaajalla lähimpänä oikeaa, mutta napoja lähestyessä se venyy ja vääristyy. Suomi sijaitsee maapallolla lähellä pohjoisnapaa, minkä takia se on melko vääristynyt Mercatorin projektiossa. Robinsonin ja Mercatorin projektioiden vääristymissä on paljon samaa, sillä molemmissa luokat ovat asettautuneet Suomen kartalle lineaarisesti etelästä pohjoiseen. Niissä ovat kuitenkin käytössä eri asteikot – kuvassa 2, eli Robinsonin projektiossa, vääristymät ovat pienemmät kuin Mercatorin projektiossa, vaikka kuvat näyttävätkin keskenään melko samalta. Robinsonin projektio myös vääristyy suuremmalta alueelta pohjoisessa.

Kuva 1. Robinsonin projektion vääristymät Suomen kartalla. Pohjana käytetty ETRS-TM35FIN koordinaattijärjestelmää.
Kuva 2. Mercatorin projektion vääristymät Suomen kartalla. Pohjana käytetty ETRS-TM35FIN koordinaattijärjestelmää.

Mollweiden projektio (Kuva 3) on puolestaan täysin eri näköinen. Se on oikeapintainen, eli siinä pinta-alat ovat totuudenmukaiset. Tehtävässä, jossa tutkitaan pinta-alojen vääristymiä, on hyvä ottaa mukaan myös oikeapintainen projektio, joka näyttää hyvin erilaisen tuloksen. Oikeapintaisessa projektiossa ei vääristymiä oikeastaan ole ollenkaan. Kartta kuitenkin näyttää siltä, että siinä olisi muutama isompi vääristymä, mutta siinä käytetty asteikko on tosiaan todella pieni. Sen takia pienetkin erot eri arvojen välillä näkyvät kartassa melko dramaattisesti. Kartta ei siis ole kovin luotettava, jos ei tiedä siinä käytettyä asteikkoa.

Kuva 3. Mollweiden projektion vääristymät Suomen kartalla. Pohjana käytetty ETRS-TM35FIN koordinaattijärjestelmää.

Käsitelty aihe oli ennalta tuttu ja turvallinen, mutta opin kuitenkin paljon uutta. Oli mielestäni kiinnostavaa nähdä konkreettisesti, kuinka paljon Suomi vääristyy erilaisissa maailmanlaajuisissa projektioissa. Opin myös paljon uusia toimintoja QGISistä, jonka käyttö tuntuu nyt entistä sujuvammalta. Odotan taas innolla uusia tehtäviä!

Lähteet:

Toijonen, P. (2022). 2. kurssikerta: Projektioiden vääristymät, Pilvin GIS-blogi. Luettu 31.1.2022, https://blogs.helsinki.fi/pilvitoi/

Alkuaskelia ensimmäisellä kurssikerralla

Geoinformatiikan menetelmät-kurssi aloitettiin tuottamalla kartta HELCOM-alueiden typpipäästöistä QGIS-ohjelmalla. Kartan tekeminen oli helppoa, kun pääsi seuraamaan opettajan ohjeita vaihe vaiheelta. En päässyt erityisesti itse pohtimaan kartografisia valintoja, kun otin suoraan opettajasta mallia. Tämä oli kuitenkin hyvä alkutehtävä, jossa käytiin läpi ohjelmiston perustoiminnot.

Lopulliseen karttaan on visualisoitu typen päästöjen osuus valtioittain eri prosenttiluokkiin jaoteltuina sekä HELCOM merialue. Pienimpään prosenttiluokkaan (3,2-8,0 %) kuuluvat Suomi, Tanska, Saksa, Viro ja Liettua. Keskimmäiseen prosenttiluokkaan (8,0-13,3 %) kuuluvat Ruotsi, Venäjä ja Latvia Suurimmat typpipäästöt aiheuttaa Puola, joka kuuluu ainoana valtiona suurimpaan prosenttiluokkaan (13,3-33,7 %). Kuten Kerttu Mäcklin blogissaan pohtii, typpipäästöjä tuottavien valtioiden värit ovat oivat kuvaamaan näinkin negatiivista ilmiötä, sillä punainen yleensä mielletään kuvaamaan vaaraa ja negatiivista muutosta.

Muut kartassa olevat valtiot ovat väritetty vihreällä ja ne ovat nimetty legendaan nimellä ”Ei tietoja”. Olisin voinut ilmaista näitä maita toisella nimellä, koska ne eivät ylipäätään kuulu HELCOM-merialueeseen ja siten eivät myöskään sisällä tietoja typen päästöistä kyseiselle merialueelle. Olen muuten melko tyytyväinen valmiiseen lopputulokseen. Kartta on mielestäni visuaalisesti miellyttävä ja selkeä.

Kuva 1. Typen päästöjen osuus valtioittain (%) HELCOM-merialueella.

Ensimmäisen kurssikerran kotitehtävänä oli muodostaa koropleettikartta Suomen kuntien tietokannasta valitun muuttujan perusteella. Tietokanta ja kartta ovat vuodelta 2015. Toisin kuin tunnilla, kotona QGISin käyttö tuntui ylitsepääsemättömän vaikealta. Olin unohtanut jo muutamassa päivässä, miten ohjelma toimii. Ilman suoria ohjeita kartan teko tuntui todella vaikealta. Muutaman hermoromahduksen ja avuliaan ystävän jälkeen kartta tuli lopulta valmiiksi. Odotan kuitenkin jo seuraavien tehtävien tekoa ja niistä oppimista, jotta osaisin käyttää QGISiä itsenäisesti.

Työ alkoi valitsemalla tietokannasta kartan muuttujaksi 0-14 vuotiaiden osuuden koko kunnan väestöstä. Olisin ehdottomasti halunnut hyödyntää jotain muuta muuttujaa, mutta en osannut muuttaa annettuja lukuja haluttuun prosenttimuotoon. Jouduin siis tyytymään tähän muuttujaan. Käytin havaintojen luokittelussa sievää luokkajakoa. Tia-Maria Liljeroos kertoo blogissaan, kuinka kvantiililuokkajako jakaa luokat siten, että kussakin on yhtä paljon kohteita. Tämä ei kuitenkaan sovi tätä muuttujaa kuvaamaan, koska se tuo liikaa esille pienetkin erot ja luo liian suuren kontrastin eri kuntien välille. Kartantekoprosessi nopeasti päästessäni vauhtiin, ja pidin erityisesti lopussa legendan, mittakaavan ja pohjoisnuolen tekemisestä. Mielestäni kartta ei ole kovin informatiivinen. Kartta on kuitenkin siisti ja visuaalinen, mutta en osaa erityisemmin kertoa sen käyttötarkoituksista.

Kuva 2. 0-14 vuotiaiden osuus koko kunnan väestöstä (%).

Kuva 2 siis visualisoi kyseisen ikäluokan määrää eri kunnissa ympäri Suomea. Kartassa ei ole erityisen suurta kontrastia eri kuntien välillä lukuun ottamatta kahta kuntaa. Pohjois-Pohjanmaalla sijaitsevat Tyrnävä ja Liminka ovat ainoat kunnat, joissa ikäluokan osuus ylettyy yli 30 prosenttiin. Kyseisissä kunnissa lapsien ja nuorten osuus on siis maan keskitasoa korkeampi. Suurempia prosenttilukuja näkyy myös Suomen suuremmissa kunnissa ja niiden lähikunnissa. Näitä kuntia ovat muun muassa Jyväskylä, Tampere, Kuopio sekä koko pääkaupunkiseutu. Lapsiperheet muuttavat usein suurempiin kuntiin, joissa tarvittavat palvelut ovat lähellä. Pienemmissä kunnissa palveluita järjestetään usein vähemmän, jolloin esimerkiksi lähinkin päiväkoti voi olla liian kaukana.

Opin tämän tehtävän tekemisestä paljon uutta. Osaan nyt soveltaa enemmän tunnilla opittuja asioita, ja toivon kovasti, että seuraavan kotitehtävän tekeminen sujuu ongelmitta. Vaikka en ole tyytyväinen kartan sisältöön, pidän silti sen ulkonäöstä. QGIS on minulle vieläkin suuri mysteeri, mutta uskon sen ratkeavan yksi tehtävä kerrallaan.

Lähteet:

Liljeroos, T. (2022). Viikko 1: Jostain on aloitettava, Tiitun Gisreissu. Luettu 25.1.2022. https://blogs.helsinki.fi/litili/

Mäcklin, K. (2022). Viikko 1 – QGIS tutuksi, GIS JA KERTTU. Luettu 25.1.2022. https://blogs.helsinki.fi/kmacklin/