Aloitimme kurssikerran tutustumalla QGIS:in valintatyökaluihin. Eri työkaluilla leikkiminen ja niiden testaileminen parantaa koko ajan hahmotustani QGIS sovelluksesta. Valintatyökaluista mieleeni jäi se, että toinen osa niistä mahdollistaa kohteiden valitsemisen suoraan kartalta ja toinen osa valitsee kohteita niiden ominaisuuksien perusteella.

Mittauksia ja projektioiden vertailua

Työkalujen testaamisen jälkeen lähdimme tutkimaan, miten eri projektiot vääristävät mittakaavoja. Tutkimme asiaa Suomen kartalta yhden itse valitseman matkan ja pinta-alan avulla. Kokosimme havainnot Excel-taulukkoon (kuva 1).  Ideana oli verrata eri projektioita TM35FIN-projektion antamiin tuloksiin.

Ensimmäiseksi tein eri projektioiden välillä huomion, että matka oli kaikissa projektioissa sama, mutta pinta-ala muuttui kaikkien välillä. Matkani oli vain hieman yli 100 kilometriä, jonka myötä projektiot eivät mahdollisesti vääristäneet niin lyhyellä matkalla paljoa. Aloin kuitenkin aluksi epäilemään QGIS:in näyttäneen minulle matkan tuloksia väärin, koska esimerkiksi Säntin ja Väätäjän (2024) blogeissa heillä myös matka muuttui eri projektioiden välillä. En aluksi keksinyt, miksi matka ei muuttunut, koska pinta-alasta sain aina eri tuloksen. Kokeilin mittaamista vielä uudestaan kotona ja huomasin, että matkani ei muuttunut, koska se oli aika tarkasti itä-länsisuuntainen. Kun kokeilin pohjois-eteläsuuntaisella matkalla samaa tuli matkaan ero eri projektioiden välillä. Matka vääristyy siis selkeästi enemmän matkoissa, joiden alku ja loppupiste on selkeästi eri leveyspiirillä.

Matkan sijaan pinta-ala vaihteli hyvinkin paljon eri projektioiden välillä, vaikka valittu alue oli sama. Pienin pinta-ala oli Mercator-projektiolla ja isoin Gall-projektiolla. Näiden kahden pinta-alan ero oli yli 6000 neliökilometriä. TM35FIN-projektiolla pinta-ala oli noin 3683 neliökilometriä, joten Gall-projektio vääristi pinta-alaa suhteessa paljon enemmän. Mercator-projektio oli kuitenkin ainut, joka pienensi pinta-alaa verrattuna TM35FIN-projektioon.

Projektioiden pinta-alaerot kartalla

Kurssikerran pisimmässä harjoituksessa oli tehtävänä havainnollistaa kolmen projektion pinta-alaeroja Suomen kunnat kartan avulla (kuva 2). Karttojen tekeminen sujui minulla hyvin ja sain helposti tehtyä kaksi karttaa itsenäisesti ensimmäisen ohjeistetun kartan jälkeen. Hyödynsimme karttojen teossa jo viime kurssikerralla opittuja taitoja, mutta niiden lisäksi opin paljon lisää projektioiden käytöstä ja aineiston tiedoilla laskemisesta.

Kaikki meni minulla hyvin siihen asti, että olin tallentamassa valmista karttaa kuvaksi. Tässä vaiheessa QGIS sekosi ja sekoitti yhden kartan värit kokonaan niin, että kartta ei näyttänyt enää liukuvärjäykseltä. Aivan loppumetrien sekoaminen aiheutti minulle paljon lisätyötä ja koetteli suhteellisen lyhyitä hermojani. Sen myötä en ole aivan tyytyväinen lopulliseen karttaani. Kartat jäivät hieman eri kokoisiksi, koska en lopulta enää uskaltanut koskea niihin. Monta kertaa kaikki kartat muuttuivat myös samaksi kartaksi kolmen eri kartan sijaan. Opin sen, että tasojen lukitseminen on äärimmäisen tärkeää! Jouduin lopulta ottamaan kartoista kuvakaappauksen, koska tallentaminen sekoitti kuvan joka kerta uudestaan. Sen myötä kuvaan jäi myös punainen viiva, jota en saanut poistettua. Olisin päässyt mahdollisesti helpommalla, jos olisin tehnyt jokaisesta kartasta oman kuvan.

Olen kuitenkin ylpeä, että sain lopulta kuvaan kolme erilaista karttaa, joista voi pienistä epäkohdista huolimatta havaita eroja projektioiden välillä. Nopealla silmäyksellä kartat näyttävät melko identtisiltä, mutta eroja on havaittavissa etenkin luokkien rajakohdissa. QGIS:in sekoaminen tuotti paljon harmia, koska ehdin jo olla ylpeä alkuperäisistä kartoistani. Kokonaan karttojen uudestaan tekeminen olisi kuitenkin ajanhukkaa, sillä tein kaiken oikein viimeisten metrien sekoamiselle saakka. Pitää muistaa, että matka on usein määränpäätä tärkeämpi! Opin paljon uutta ja osaisin jatkossa tehdä kartat vielä paremmin.

Karttojen vertailua rinnakkain olisi helpottanut se, että kaikissa kartoissa olisi samat luokat. Silloin kuvista olisi mahdollisesti helpompi havaita enemmän muutoksia jo pelkkää kuntien väritystä tutkimalla. Nyt erojen havaitseminen vaatii ensiksi tarkasti luokkien tutkimisen. Mercator vs. TM35FIN kartassa on selkeästi suurin vääristymä havaittavissa, kun aletaan tarkastelemaan legendaa. Kahdessa muussa kartassa suurin luokka on vain noin 1,5 % paikkeilla, kun taas Mercator-projektion kartassa se on 7-8,3 %. Vääristymä on etenkin Suomen pohjoisosissa jopa melkein viisinkertainen muihin projektioihin verrattuna.

Lähteet:

Säntti, H. (2024) Heiggi’s blog. Toinen kurssikerta. Viitattu 26.1.2024 https://blogs.helsinki.fi/hksantti/

Väätäjä, S. (2024). Sampon blogi. Toinen kurssikerta (23.1.2024.) Viitattu 26.1.2024 https://blogs.helsinki.fi/vsampo/2024/01/24/kurssikerta-2/

 

MAA-202 kurssi lähti liikenteeseen paikkatietoon liittyvän teorian palauttamisella mieleen. Pian teorian jälkeen aloimme tutustumaan QGIS sovelluksen toimintaan. Muistan käyttäneeni kyseistä ohjelmaa kerran viime syksyn aikana, mutta silloinen kosketus QGIS:iin oli nopea ja pintapuolinen.

Kurssikerran QGIS-harjoitus

Lähdimme tutustumaan yhdessä rauhalliseen tahtiin sovelluksen käyttämiseen. Aluksi opettelimme aineistojen ja datan syöttämisen sovellukseen, sekä tasojen hallitsemisen. Mieleeni jäi etenkin se, että jo heti aluksi kannattaa valita karttaan selkeät värit ja järjestää tasot järkevään järjestykseen. Näiden pohjalta on helpompi lähteä tutkimaan dataa ja laittamaan se näkyviin kartalle.

Aluksi eri toimintojen oppimiseen ja hahmottamiseen meni hetki, mutta yllättävän nopeasti sovelluksen toimintaa alkoi hahmottamaan. Tärkeimpänä asiana harjoituksessa koin tasojen visualisoinnin tiedon avulla. Teimme harjoituksessa koropleettikartan, joka havainnoi datassa annettujen maiden typen osuuden päästöistä (kuva 1). Valitsin punaisen eri sävyt havainnoimaan päästöjen määrää, koska punainen väri koetaan usein hälyttävänä. Sen myötä mitä tummemmalla valtio näkyy, sitä suurempi on typen osuus päästöistä.

Karttani onnistui mielestäni kokonaisuudessaan ihan hyvin ensimmäiseksi kerraksi ja siitä tuli informatiivinen. Jos olisin käyttänyt karttaani vielä enemmän aikaa, olisin vaihtanut värit hieman lempeämmiksi. Mittakaava jää myös hieman valtion mustien rajojen johdosta piiloon. Jos valtion rajat olisivat hieman eri väriset erottuisi se paremmin. Matikainen (2024) totesi blogissaan, että maiden kohdalle olisi voinut lisätä vielä tarkat prosenttiosuudet päästöistä. Idea oli mielestäni hyvä, koska nyt kartta ei anna mitään informaatiota kolmen luokan sisäisistä eroista. Etenkin 5-15 % luokan valtioiden erot saisivat näin paremmin esille.

 

 

 

 

 

 

 

 

 

 

 

 

Kahta Itämeren rannikkovaltiota lukuunottamatta valtiot kuuluvat keskimmäiseen luokkaan 5-15 %. Typpipäästöissä ääripäitä kartastani erottuu siis vain kaksi, Viro ja Puola. Säntti (2024) pohtii mielenkiintoisesti blogissaan typpipäästöjen määrää suhteessa valtioiden rantaviivan pituuteen. Suhteessa esimerkiksi Suomeen ja Ruotsiin monilla muilla valtioilla on paljon lyhyempi Itämeren rantaviiva, mutta suuremmat päästöt. Rantaviivan pituutta merkittävämpiä tekijöitä ovat kuitenkin varmaan esimerkiksi Säntin mainitsema laivaliikenne tai yleisesti valtion päästöjenhallinta.

Itsenäinen QGIS-harjoitus

Kotona tehtäväksi jäi kerrata kurssikerralla opittuja QGIS-taitoja. Tein Suomen kunnat kartan pohjalta eri kuntien väkilukua ilmaisevan koropleettikartan, joka oli ensimmäistä vaikeustasoa. Kartan tekeminen meni mutkattomasti ja nopeasti, koska siinä vaadittiin vain kurssikerralla opittuja taitoja. Silti oli positiivista huomata, että sovelluksen toiminnot olivat jäänyt oikeasti mieleen.

Päätin käyttää datan visualisoinnissa viittä luokkaa, jotta eri kuntien erot väkiluvuissa erottuisivat suhteellisen kattavasti, mutta halusin pitää kartan myös helppolukuisena. Liian moneen luokkaan jakaminen alkaisi tehdä kartan tarkastelusta työlästä ja vaikeaa. Valitsin värimaailmaksi sinisen eri sävyt, koska sininen on yleisesti melko rauhallinen ja ei vahvoja ajatuksia herättävä väri. Väkiluvun vaihtelu on melko neutraali asia, joten koin värin tekevän kartasta selkeän.

Jälkikäteen karttaa tarkastellessani huomasin unohtaneeni tehdä kartalle kehyksen. Kehyksen puuttuminen ei kuitenkaan pistä silmääni häiritsevästi tai heikennä kartan informatiivisuutta. Viidessä luokassa myös kaikki muut luvut ovat pyöristetty tuhansien tai satojen tarkkuudella paitsi korkeimman luokan ylin arvo. Väkiluvun ylärajan olisi voinut pyöristää esimerkiksi 660 000, jolloin legenda näyttäisi vielä yhtäläisemmältä.

Heti nopealla vilkaisulla kartasta voi havaita, että Suomen väkiluvultaan suurimmat kunnat keskittyvät suurimmilta osin Etelä-Suomeen. Etelä-Suomen lisäksi suurimpia kuntia löytyy Suomen isompien kaupunkien ympäriltä. Esimerkiksi pohjoisemmassa Rovaniemen ja Oulun kuntien alueella väkiluku on korkeinta luokkaa. Pienimpään luokkaan kuuluvia kuntia sijaitsee paljon Lapin ja Keski-Suomen alueella.

Lähteet

Matikainen, V. (2024). Veeran gis-blogi :). Ensimmäinen kurssikerta. Viitattu 20.1.2024 https://blogs.helsinki.fi/veematik/

Säntti, H. (2024). Heiggi’s blog. Ensimmäinen kurssikerta. Viitattu 20.1.2024 https://blogs.helsinki.fi/hksantti/