Projektiovalinnalla on vaikutusta

Toisella kurssikerralla harjoittelimme QGIS:n kanssa valintatyökalujen käyttöä, karttaprojektioiden vaihtamista ja tietokantaliitosten tekemistä. Teknisten ongelmien vuoksi julkaisen tämän postauksen vasta nyt, koska sain aikaa kulumaan runsaasti kurssikerran tehtävien parissa. Ainakin tehtävät tuli tehtyä huolella.

Valintatyökalut ovat QGIS:n perustyökaluja, joiden käytön hallinnasta on hyötyä lähes jokaisessa projektissa. Työkalujen käyttö tuntui helpolta ja niiden avulla myös tarpeellisen datan tulkinta helpottui ja aikaa säästyi.

Ryhmätunnilla tutustuimme eri projektioiden tuottamiin virheisiin mittaamalla Suomen kartalla viivan pituuden ja alueen pinta-alan eri karttaprojektioiden mukaan. Viivan piirsin itä-länsisuunnassa kutakuinkin Suomen leveimmälle kohdalle. Tarkasteltava alue puolestaan oli ”pipo” Suomineidon päässä. Kuten taulukosta 1 nähdään, eri projektiot tuottivat hurjan erilaisia mittaustuloksia. Esimerkiksi Albersin oikeapintaisen projektion mukaan Suomen leveys on n. 540 km – kuten totuus on – kun taas Mercatorin projektio yli tuplaa oikean pituuden. Samaten Mercatorin projektiossa 11 219 km2 suuruinen alue näyttäytyy 91 824 km2 kokoisena eli 818 % suurempana (Taulukko 2)! Kuten Amanda Ojasalo (2019) totesi, erot ovat yllättävän suuret.

Taulukko 1. Esimerkkialueen ja -viivan pinta-ala- ja pituuserot eri karttaprojektioissa.
Karttaprojektio Pinta-ala (km²) Pituus (km)
ETRS-TM35FIN 11 219 540
Mercator 91 824 1 172
Robinson 15 895 760
Albersin oikeapintainen 11 219 540
Eckert I 16 746 693

 

Taulukko 2. Eri karttaprojektioiden pinta-ala- ja pituuserot verrattuna ETRS-TM35FIN-koordinaattijärjestelmän mukaiseen projektioon (%).

Karttaprojektio Pinta-ala Pituus
Mercator 818 217
Robinson 142 141
Albersin oikeapintainen 0 0
Eckert I 149 128

 

Kuten Elina Huhtinen (2019) blogissaan toteaa, on oltava huolellinen projektiota valitessa. Toisaalta täytyy myös osata olla kriittinen, kun tarkastelee toisten tuottamia karttoja. Ryhmätunnilla tehdyn tehtävän tekeminen havainnollisti hyvin eri projektioiden heikkouksia. Jäin pohtimaan, mitä vaikutuksia huonoilla projektiovalinnoilla saattaa olla. Ainakin teemakartoissa pinta-alaan suhteutetut tiedot vääristyvät, kuten huomataan vertaamalla kuvia 1 ja 2. Kartat näyttävät ensisilmäyksellä melko samanlaisilta, mutta legendasta selviää, että erot ovat huomattavat.

On tärkeää muistaa käyttää oikeapintaista projektiota, kun lasketaan esimerkiksi kuntien väentiheyksiä. Mercatorin projektio ei ole oikeapintainen, vaan oikeakulmainen. Se sopii parhaiten esimerkiksi merenkulussa käytettäväksi (Proj.4, 2019). Pinta-alaan suhteutetun tiedon esittämisessä se sen sijaan on huono valinta.

Kuva 1. Väestötiheys Lambertin oikeapintaisen projektion mukaan.

Kuva 2. Väestötiheys Mercatorin projektion mukaan.

Karttaprojektioiden vääristymille tyypillistä on, että vääristymät eivät ole samansuuruisia kaikilla alueilla. Mercatorin projektiossa vääristymät kasvaa huomattavasti, mitä pohjoisemmaksi liikutaan (Kuva 3). Robinsonin projektiossa vääristymät ovat pohjoisessa samaten suurempia kuin etelässä, mutta kyseinen projektio ei vääristä pinta-aloja aivan yhtä räikeästi kuin Mercatorin projektio (Kuva 4).

Kuva 3. Pinta-alavääristymät Mercatorin projektiossa.

Kuva 4. Pinta-alavääristymät Robinsonin projektiossa.

Kurssikerta oli minulle hyödyllinen, koska toistimme monta kertaa samantyyppisiä toimintoja. Näin opit jäivät paremmin mieleen. Koin hyötyä myös siitä, että tehtävät toimivat hyvinä esimerkkeinä siitä, miten tärkeää on valita tarkoituksenmukainen karttaprojektio.

 

Lähteet

Huhtinen, E. (2019). Elina Huhtisen kurssiblogi. Viikko 2 – projektion vaikutus karttaan. Luettu 4.2.2019. Saatavissa: https://blogs.helsinki.fi/huhelina/2019/01/23/viikko-2-projektion-vaikutus-karttaan/

Ojasalo, A. (2019). Amandan GIS blogi. Projektiot. Luettu 4.2.2019. Saatavissa: https://blogs.helsinki.fi/amandaoj/2019/01/31/projektiot/

Proj.4. (2019). Projections. Mercator. Luettu 4.2.2019. Saatavissa: https://proj4.org/operations/projections/merc.html

Tietokantaliitoksia ynnä muuta

Toisen viikon blogipostaus on vielä työn alla teknisten ongelmien takia. Yritän saada sen julkaistua huomenna, jos teknologia on puolellani. Tässä tulee siis kolmannen kurssikerran postaus.

Tällä kurssikerralla tutustuimme moniin minulle uusiin ominaisuuksiin QGIS:ssä. Harjoittelimme esimerkiksi kohteiden ryhmittelyä ja yhdistämistä, uuden datan tuomista tietokantaan toisesta ohjelmasta (tässä tapauksessa Excelistä) ja tietokantaliitoksen tekemistä. Lisäksi harjoittelimme tiedon tuottamista tietokantaan sijainnin perusteella toiminnoilla ”pisteitä polygonissa” ja ”polygoneja polygonissa”. Harjoituksessa pohjakarttana oli suurimittakaavainen Afrikan kartta, jonka lisäksi hyödynsimme muun muassa tietokantaa konflikteista.

Harmi kyllä, teknisten ongelmien vuoksi en pystynyt aina etenemään halutulla tavalla. Onneksi ongelmista kuitenkin selvittiin, ja sain silti tehtyä harjoituksen. Tein harjoituksen omalla kannettavallani, jossa on hieman uudempi QGIS-versio kuin yliopiston tietokoneissa. Ehkä ongelmat johtuivat jostakin kyseisessä versiossa olevasta bugista. Ainakin se hyvä puoli omalla koneella työskentelemisessä oli, ettei ohjelma kaatunut nyt kertaakaan. Opiskelutovereillani QGIS tuntui kaatuvan tuon tuosta muistuttaen tallentamisen ja pitkän pinnan tärkeydestä.

Harjoituksessa minulle helpoimmalta tuntuivat uuden datan tuominen QGIS:iin ja tietokantaliitosten tekeminen. Niiden osaaminen on varmasti tärkeää, sillä välillä tietokannat sisältävät valtavan määrän tietoa, jolloin kyseisten operaatioiden käsin tekeminen veisi kohtuuttomasti aikaa. Uskon voivani hyödyntää oppimaani jatkossa erilaisissa projekteissa.

Haasteellisimmalta taas tuntui harjoittelu tiedon tuottamisesta tietokantaan sijainnin perusteella. Ehkä tähän on syynä se, että jossain vaiheessa putosin kärryiltä, koska jouduin etsimään toimintoa omassa QGIS-versiossani. Onneksi tämänkin harjoituksen ohjeet on kirjoitettu auki, joten ei muuta kuin harjoittelemaan.

Blogissa pyydettiin pohtimaan, mitä voitaisiin tehdä, kun tietokantaan on tallennettu tietoa konfliktin tapahtumavuodesta, laajuudesta, timanttikaivosten löytämis- ja kaivausten aloitusvuodesta, timanttikaivosten tuottavuusluokittelusta, internetin käyttäjien lukumäärästä eri vuosina sekä öljykenttien löytämis- ja poraamisvuosista ja tuottavuusluokittelusta. Kyseisillä tiedoilla voisi luoda vaikkapa erilaisia teemakarttoja sekä tehdä analyysejä. Esimerkiksi internetin käyttäjien vuosittaisia lukumääriä ja konfliktien tapahtumavuosia eri valtioissa voisi vertailla. Kartalle voitaisiin myös tuoda dataa timanttikaivosten löytämisvuosista alueittain ja konfliktien tapahtumavuosista ja laajuuksista ja verrata näiden osumista esimerkiksi tietyn valtion alueelle. Mahdollisuuksia on monia.

Lopuksi saimme vielä tehtäväksi teemakartan tekemisen Suomen valuma-alueiden järvisyysprosenteista ja tulvaindekseistä. Valuma-alue on korkeampien maastonkohtien – vedenjakajien – rajaama alue, jolta kaikki vedet kulkeutuvat samaan vesistöön (Länsi-Uudenmaan
vesi ja ympäristö ry, 2013). Järvisyysprosentilla tarkoitetaan valuma-alueelle sijoittuvien järvien pinta-alan suhdetta koko valuma-alueen pinta-alaan (Suomen ympäristökeskus, 2013). Tulvaindeksi puolestaan voidaan laskea parilla eri tavalla, tässä tehtävässä se laskettiin ns. virtaamavaihtelujen indeksinä eli jakamalla keskiylivirtaama (m3/s) keskialivirtaamalla (m3/s).

Tehtävässä hyödynsimme juuri harjoittelemiamme QGIS:n ominaisuuksia. Tehtävä sujui yllättävän sutjakkaasti, ja olin tyytyväinen siihen, että olin oppinut tarvittavat taidot sen tekemiseen. Vaikka olen melko varma, että tein kartan ”oikein”, tuli siitä mielestäni visuaalisesti suoraan sanottuna aika kamala (Kuva 1). Se on mielestäni vähän ”sotkuinen”, esimerkiksi järvisyysprosenttia kuvaavat palkit peittävät osan tulvaindeksiä esittävistä alueista. Lisäksi osa palkeista ei näy kunnolla eikä kartasta myöskään selviä absoluuttisia valuma-alueiden järvisyysprosentteja. Myös luokkarajat taas vähän ihmetyttävät, viimeinen luokka on melko laaja muihin verrattuna. Koin silti kartassa käyttämäni kvantiililuokittelun paremmaksi kuin muut QGIS:n tarjoamat vaihtoehdot. Koska kartalla esitetyt järvisyysprosentit eivät ole mielestäni tarpeeksi selkeitä, päädyin tekemään niistä vielä taulukon ja kaavion (Kuva 2) valmiista aineistosta. Niitä voi käyttää kartan lukemisen tukena.

Kuva 1. Teemakartta, jossa on visualisoitu valuma-alueiden tulvaindeksit ja järvisyysprosentit.

Kuva 2. Eri valuma-alueiden järvisyysprosentit.

Lähteet

Länsi-Uudenmaan vesi ja ympäristö ry. (2013). Valuma-alue. Luettu 29.1.2019. Saatavissa: http://www.pelastajarvi.fi/valuma_alue

Suomen ympäristökeskus SYKE. (2013). Tulvasanasto. Luettu 29.1.2019. Saatavissa: https://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Tulvasanasto

 

 

QGIS-harjoittelua

Ensimmäinen GIS-menetelmäkurssin oppitunti on nyt takana. Odotin innolla paikkatieto-ohjelmaan tutustumista, vaikka ajatus ohjelman käyttämisestä hieman jännittikin. Oppitunnilla opiskelimme aluksi hieman perustietoa geoinformatiikasta, kuten paikkatiedon rakenteesta ja tietokannoista. Kun perustietoihin oltiin tutustuttu, oli aika siirtyä harjoittelemaan vektorimuotoisen datan käsittelyä QGIS-paikkatieto-ohjelmalla.

QGIS:n käyttöliittymä tuntui onnekseni melko yksinkertaiselta, mikä helpottaa ensikertalaista ohjelman käytössä. En ole itse käyttänyt ennen tällaisia paikkatieto-ohjelmia, joten kaikki oli uutta. Toimme harjoitusta varten tarkoitetun datan ohjelmaan, ja aluksi hämmästelin tietojen latautumisen hitautta. Ilmeisesti syynä ei ollut koneeni, sillä kaikilla muillakin karttatasot latautuivat näytölle melko hitaasti. Kaikilla kartta latautui myös erivärisenä – QGIS arpoo värit satunnaisesti, ja ne täytyy siis itse muuttaa visuaalisesti informatiivisemmiksi ja mielekkäimmiksi.

Harjoituksessa etenimme vaihe vaiheelta opettajaa seuraten, hyvä niin, sillä tavalla oppi parhaiten perustoiminnot. Välillä sitä kuitenkin putosi kärryiltä, eikä tiennyt miten edetä, mutta onneksi vieressä istui kaveri, kuka osasi auttaa. Ohjelma takkuili ja kaatuili välillä, mikä aiheutti hieman hermostumisen tunnetta ja toisaalta muistutti siitä, miten tärkeää on tallentaa keskeneräinen työ usein.

Ensimmäisessä projektissa teimme koropleettikartan typpipäästöistä. Opettelimme muun muassa lukemaan tietoja attribuuttitaulusta ja muokkaamaan sitä, vaihtamaan kartan eri tasojen väritystä sekä luokittelemaan ja visualisoimaan tietoja kartalla. Opettelimme myös lisäämään uutta tietoa attribuuttitaulukkoon, kun laskimme typpipäästöjen prosenttiosuudet valtioittain. Koin, että on parasta ainakin näin alkuvaiheessa seurata järjestelmällisesti ohjeita. Välillä kokeilin jotain uutta toimintoa, minkä seurauksena saatoin jäädä jälkeen. Kun QGIS tulee tutummaksi, voi varmasti välillä poiketakin ohjeistuksesta, toki harkiten.

Kuva 1. Itämeren alueen valtioiden typpipäästöjen osuudet.

Sain kuin sainkin ensimmäisen karttani valmiiksi, ja olen lopputulokseen osittain tyytyväinen. Kartta on mielestäni visuaalisesti hyvä (Kuva 1). Se kuitenkin näyttää vähän omituiselta, sillä siinä näkyvät vain typpeä Itämeren alueella päästävät maat. Yritin eri toiminnoilla, kuten suodattamalla saada alkuperäisessä kartassa olleet muut maat näkyviin, mutta en siinä onnistunut. Vaatii siis varmasti lisää harjoitusta, jotta pystyy saamaan kartasta haluamanlaisensa. Ihmettelin vähän myös kartan tietojen paikkansapitävyyttä – kuten Heini Miettinenkin (2019) totesi, Viro näyttäisi olevan esimerkillinen valtio pienellä typenpäästöosuudellaan. Voiko tämä olla totta?

Toisena tehtävänä kotona tein valmiista aineistosta QGIS:n avulla teemakartan, jossa esitetään Suomen kuntien väentiheyttä. Tehtävä sujui mukavan hyvin, ja olin tyytyväinen, että ensimmäisen harjoituksen opeista oli jäänyt jotain mieleen. Luokkarajojen valinta oli kuitenkin hieman vaikeaa, mutta päädyin valitsemaan kvantiilit. Ne jakavat aineiston niin, että jokaisessa luokassa havaintoja on yhtä suuri määrä (Tilastokeskus). En tiedä, oliko valintani paras mahdollinen. Ainakin kartasta nyt käy selvästi ilmi, että väentiheys on pienin Lapissa ja suurin Etelä-Suomen kunnissa (Kuva 2).

Kuva 2. Suomen kuntien väentiheys.

 

Lähteet

Miettinen, H. (2019). Kurssikerta 1. Blogi. Luettu 26.1.2019 https://blogs.helsinki.fi/heinimie/2019/01/21/kurssikerta-1/#more-41

Tilastokeskus. Tilastoteemakartat. Luettu 26.1.2019 https://tilastokoulu.stat.fi/verkkokoulu_v2.xql?course_id=tkoulu_teemak&lesson_id=9&subject_id=3&page_type=sisalto