Blogi valmistuu kevätlukukaudella

Moik,

koronassa ja koulussa ja elämässä on kovasti jaksamista, joka on nykyisin uusiutumaton luonnonvara. Käytän sitä siis säästeliäästi tätäkin kurssia tehdessäni 🙂 kurssiblogi valmistunee kevätlukukaudella.

Joten, vaikka mood on nyt kuin kuvan nuupahtaneilla ketunleivillä, keväästä ja tulevasta kesästä toivottavasti saa lisää voimaa alkaa taas kukkimaan. Kivaa kevättä ja kesän odostusta sulle!

Projektina projektiot

Karttaprojektiot

Kun maailmaa halutaan kuvata kaksiulotteisena, täytyy maapallon muotoa sovitella tasolle erilaisilla karttaprojektioilla. Karttaprojektiot mallinnetaan kuvitteellisen prosessin kautta: ajatellaan, että maapallo olisi läpikuultava, ja sen sisällä olisi pinnan läpi loistava lamppu. Nyt loistavan maapallon ympärille kääritään taso, josta muodostuu usein joko kolmiulotteinen lieriö tai kartio. Vaihtoehtoisesti voidaan käyttää myös esimerkiksi ympyrän muotoista tasoa, joka asetetaan sen alueen eteen, josta kartta halutaan tehdä. Lampun ansiosta maapallon piirteet projisoituvat ympärillä olevalle pinnalle tai tasolle, jolloin ne piirretään kappaleen pinnalle, ja sitten kappale levitetään taas tasoksi (Kuva 1). Lopputuloksena saadaan kartta, joka voi olla joko oikeapituinen, oikeapintainen tai oikeakulmainen. (MML)

Kuva 1. Hyvä ja havainnollistava kuva projektioiden mallintamisesta. Lähde: QGISin käyttöohje.

Yleisesti Suomessa käytetään TM35FIN-projektiota, sillä se on Suomen osalta mahdollisimman hyvin todellisuutta kuvaava, sillä se on kompromissi oikeapintaisen, oikeapituisen ja oikeakulmaisen karttaprojektion väliltä. Kuhunkin projektiin kannattaa kuitenkin valita juuri sitä tarkoitusta palveleva karttaprojektio, jotta päästään haluttuun lopputulokseen mahdollisimman hyvin. Esimerkiksi Mercatorin projektiota käytetään navigoinnissa, sillä se on oikeakulmainen projektio ja siksi sillä on helppo suunnistaa vain yhtä suuntalinjaa seuraten. Mercator kuitenkin vääristää hurjasti sekä matkojen pituuksia että alueiden pinta-aloja (Kuva 2), joten Mercatorilla valmistettu kartta ei olisi ideaali alueiden koon tai välimatkojen arvioimiseen ja vertailuun. (MLL)

Kuva 2. Mercatorin projektiossa Suomen kuntien vääristymä on sitä suurempi, mitä pohjoisemmaksi mennään.

Kurssikerran tehtävänä oli vertailla eri projektioita keskenään. Vertailin TM35FIN-projektion eroja Bonnen, Van der Grinten I:n, Eckert I:n, Mollweiden ja Mercatorin projektioihin. Vertailuun käytin QGISin mittaustyökalua, ja mittasin ensin aivan pohjoisimman Suomen pinta-alaa ja sitten vaakasuunnassa Suomen leveintä kohtaa (Taulukko 1). Mittausten tuloksista laatimastani taulukosta voidaan nähdä, mitkä projektiot vääristävät karttatasolle piirrettynä (Cartesian) pinta-alaa (A) ja/tai matkaa (KM) eniten. Tulokset ovat ellipsoidin (Ellipsoidal) muotoon sovitettuna samat, sillä ne on tietokoneen avulla mallinnettu vastaamaan maapallon todellista muotoa.

PROJEKTIO A Ellipsoidal A Cartesian KM leveys Ellipsoidal KM leveys Cartesian Projektion tyyppi
TM35FIN 13493 km2 13448 km2 529 km 529 km kompromissi
Bonne 13493 km2 13461 km2 529 km 529 km oikeapintainen
Van der Grinten I 13493 km2 58388 km2 529 km 966 km kompromissi
Eckert I 13493 km2 19981 km2 529 km 691 km oikeapituinen
Mollweide 13493 km2 13428 km2 529 km 630 km oikeapintainen
Mercator 13493 km2 109475 km2 529 km 1157 km oikeakulmainen

Taulukko 1. Eri projektioiden antamat pinta-alat sekä pituudet samalle valitulle alueelle ja matkalle sekä projektiotyypit.

Laskin excelillä vielä projektioiden Cartesian -pinta-alojen erotuksen sekä prosenttiosuuden verrattuna TM35FIN-projektioon, sillä näistä luvuista pystyy hahmottamaan helpommin, mitkä projektiot vääristivät eniten ja mitkä vähiten (Taulukko 2).

Erotus A Cartesian (km2) Prosenttiosuus A (km2)
TM35FIN 0 100 %
Bonne 13 100,0966686
Van der Grinten I 44940 434,1760857
Eckert I 6533 148,5797145
Mollweide -20 99,851279
Mercator 96027 814,0615705

Taulukko 2. Projektioiden erotus sekä prosenttiosuus verrattuna TM35FIN-projektioon.

Odotusten mukaisesti Mercatorin projektio vääristi sekä pituutta että pinta-alaa kaikista eniten, ja se on jopa yli 800% eli yli kahdeksankertainen verrattuna TM35FIN-projektioon. Lähimpänä olivat Mollweide reilulla 99%:lla, mikä tarkoittaa sen pienentävän pinta-alaa hiukan (Kuva 3), sekä Bonne vain hiukan päälle 100%:lla eli suurentaen pinta-alaa hiuksenhienosti. Sen sijaan Eckert I projektio suurensi pinta-alaa puolitoistakertaisesti (Kuva 4).

Kuva 3. Suomen kunnat kuvattuna Mollweiden projektiolla
Kuva 4. Eckert I projektio saa Suomen kartan näyttämään leveämmältä.

Lähteet:
https://docs.qgis.org/3.16/en/docs/gentle_gis_introduction/coordinate_reference_systems.html   karttaprojektiot QGIS käyttöohje

https://www.maanmittauslaitos.fi/tietoa-maanmittauslaitoksesta/ajankohtaista/lehdet-ja-julkaisut/tietoa-maasta/maailma-venyy-ja-paukkuu MML karttaprojektiot

 

Ensimmäinen – ja toinen – kohtaaminen

Ensimmäinen kohtaaminen

Yhteinen polkumme QGISin kanssa ei alkanut odotetusti, kun ensimmäisellä luennolla sekä QGIS että Zoom kaatuivat ja tietokoneeni sanoi itsensä irti yli puoleksi tunniksi. Pääsin lopulta takaisin Zoom-luennolle ja päätin tarkkailla vain luentoa, jottei QGISin avaaminen johtaisi taas kaatumiseen.

Latasin QGISin samana päivänä myös avopuolison pöytäkoneelle ja osallistuin toisen ryhmän luennolle seuraavana päivänä. Nyt pystyin seuraamaan yhdellä koneella luentoa ja toisella tekemään itse QGIS-tehtävää, jes!

Ohjelmana QGIS on itselleni täysin uusi, ja kerralla tuli melko paljon opittavaa. Työkaluja sai etsiä muutamaan kertaan, että oli varmasti oikea käytössä ja sai monen mutkan kautta halutun lopputuloksen ulos ja vielä taittoon viimeistelyä varten. QGIS vaikuttaa kuitenkin melko intuitiiviselta, ja pöytäkoneella isosta näytöstä ja hiirestä oli todella hyötyä, sillä läppärillä touchpadilla räpeltäminen oli melko tuskaista.

Zoom-luennolla saatiin aikaiseksi Itämerta ympäröivistä valtioista kartta, josta käy ilmi kunkin maan osuus kaikista Itämereen päätyvistä typpipäästöistä värikoodauksen avulla (Kuva 1). Karttaa katsoessa kiinnitin jälkikäteen huomiota siihen, miten järviä on kuvattu vain osittain Pohjois-Euroopan alueella, ja ne näyttävät rajautuvan melko kummallisesti vain tietylle alueelle. Päättelin tämän johtuvan siitä, että karttaan on haluttu typpipäästöjen olennaisuuden takia merkata vain Itämeren valuma-alueella olevat vesistöt, sillä typpipäästöt päätyvät Itämereen pääasiassa valuvien vesien mukana. Tarkistin asian, ja kuinka ollakaan, epäilykseni osui oikeaan ja kartta Itämeren valuma-alueesta täsmää hyvin kurssikerralla tehdyn kartan järvien sijaintiin (Kuva 2).

Pohjois-Euroopan kartta joka on keskittynyt Itämeren ympärysvaltioihin. Typen päästöjen osuudet valtioittain on luokiteltu asteikoilla vaaleanpunainen 3,2-8, punainen 8-13,3 ja tummanpunainen 13,3-33,7. Vaaleanpunaisina eli typpipäästöiltään pieniosaisimpina valtioina on väritetty Saksa, Tanska, Liettua, Viro ja Suomi. Punaisella eli keskisuurilla päästöillä on väritetty Ruotsi, Latvia ja Venäjä. Ainoana suuripäästöisenä maana tummanpunaisena on värjätty Puola. Loput kartassa näkyvät Euroopan maat ovat taustakarttana ja väriltään vaalean vihreitä, sillä ne eivät ole osana typpipäästötilastoja.
Kuva 1. Luennolla tekemäni kartta Itämeren ympärysvaltioiden typpipäästöistä
Kuva 2. Itämeren valuma-alue. Lähde: Wikimedia Commons

Karttani ulkoasua näin jälkikäteen ajatellen olisi voinut hioa värien osalta, vaikka ne eivät räikeästi silmään satukaan. Lisäksi olen samaa mieltä Johannan kanssa siitä, että syvyyskäyrät olisi voinut jättää pois kartasta – ne eivät varsinaisesti tarjoa informaatiota, eivätkä ole kyseisen teemakartan kannalta oleellisia, kun halutaan tarkastella typpipäästöjä maittain.

Lopputulos on kuitenkin kohtuullisen hyvä ensimmäiseksi tuotokseksi QGISillä, ja olen oppimiini asioihin ja karttaani tyytyväinen.

Toinen kohtaaminen

Päättäväisenä, mutta valitettavasti melko myöhään pääsin aloittamaan kurssikerran kotitehtävää, jossa tarkoituksena oli tehdä koropleettikartta Suomen kunnista ja jostakin aineiston sisältämästä taulukoidusta tiedosta.

Koropleettikartta tarkoittaa teemakarttaa, jossa tilastoja esitetään aluejakoisesti, esimerkiksi kunnittain. Koropleettikartta on myös tyypillisesti luokiteltu, eli tarkasteltavan ilmiön numeeriset tilastotiedot luokitellaan tiettyihin ryhmiin ja näin eri alueiden eroja voidaan vertailla visuaalisesti keskenään. Tilastotieto koropleettikartassa luodaan yleensä suhteellisista lukuarvoista, kuten tarkasteltavan ilmiön osuus kokonaismäärästä; esimerkkinä väestöntiheys per väestö kokonaisuudessaan tai työttömyys per koko väestö. (Tilastokeskuksen Tilastokoulu, 2021)

Olin määrätietoinen siitä, että pärjäisin QGISin kanssa hyvin itsenäisesti, mutta QGIS ja huono muistini ottivat luuloni heti alussa pois. Melkein kaikkia askelia piti tarkistaa ja muistella kurssimateriaaleista, ja viimein onnistuin yrittämisen, epäonnistumisen ja oppimisen kautta luomaan haluamani kartan.

Päätin tehdä kartan yli 65-vuotiaiden osuudesta kunnan väestöstä prosentteina. Onnistuin ulkomuistista luomaan attribuuttitaulukkoon uuden sarakkeen laskutoimituksen avulla (65-v-lkm/väestö * 100), mutta etsin melkoisen pitkään työkalua, jolla saisin laskemani taulukon tulokset näkyviin kartalle luokittain. Tukimateriaalia apuna käyttäen sain tehtyä luonnollisilla luokkaväleillä järkevän näköisen kartan. Lopputuloksena on selkeä kartta, joka ilmaisee värien avulla yli 65-vuotiaiden prosenttiosuuden kunkin kunnan kokonaisväestöstä (Kuva 3).

Huomasin, että Susanna oli muokannut asetuksista tilastonsa luvut yhden desimaalin tarkkuuteen, jotta legenda olisi helppolukuisempi. Ajattelin, että voisin itse hyödyntää samaa taktiikkaa, ja lopulta päädyin käyttämään kokonaislukuja, sillä desimaaleilla luettavuus oli edelleen melko sekava.

Kartasta voidaan nähdä, että erityisen vähäisenä yli 65-vuotiaiden osuus on suurissa kaupungeissa, varsinkin opiskelijakaupungeissa kuten Helsingissä, Turussa, Tampereella, Jyväskylässä, Kuopiossa, Joensuussa ja Oulussa. Mielenkiintoinen seikka on, että ne kunnat joissa on suhteessa eniten yli 65-vuotiaita ovat paikoin isommissakin ryppäissä tai ainakin useimmiten lähellä muita kuntia joissa prosenttiosuus on suuri. Näistä melkein kaikki ovat maaseutupainotteisia kuntia, joista nuoret muuttavat opiskeluiden ja töiden perässä suurempiin kaupunkeihin. Tämä luonnollisesti laskee yli 65-vuotiaiden osuutta suurissa kaupungeissa.

Kuva 3. Laatimani kartta vuoden 2015 aineiston pohjalta.

Ensimmäiseltä viikolta jäi käteen entistä suurempi innostus kartoista, joka syntyi alunperin jo Tiedon esittäminen maantieteessä -kurssilla. Kartat sinällään olivat tuttuja työkaluja suunnistuksen kautta, mutta nyt osaan tarkastella myös paljon yksityiskohtaisemmin karttojen yksityiskohtia, elementtien siisteyttä visuaalisella silmällä sekä karttaan upotettua paikkatietoa.

Tärkeänä harjoituksessa oli oppia muutamat perustyökalut QGISistä, ja uskon muistavani nyt ainakin suurimman osan kurssikerralla läpikäydyistä työkaluista ja kuinka niitä käytetään. Tilastopohjaisen aineiston takia myös attribuuttitaulukon ja niiden tietojen laskutoimitukset oli tärkeää ymmärtää, jotta tilastotietoa osaisi käyttää karttojen laadinnassa. Muutaman kokeilun jälkeen sain rutiinin laskutoimitusten tekemiseen, ja myös prosenttiosuuden laskutoimituksen oikein saaminen oli iloinen onnistumisen kokemus.

Toimintatapani ei varmaankaan ole vielä vakioitunut, mutta uskoisin luonteeni perusteella, että seuraavissa töissä etenen melko suunnitelmallisesti vaihe kerrallaan. Tällainen hitaampi eteneminen varmistaa sen, että pysyn mukana tekemissäni muutoksissa ja ymmärrän miksi jotakin tapahtui, sekä saan jonkinlaisen muistijäljen jokaisesta toimenpiteestä, kun ne on tehty tarkoitus edellä. Pidän kuitenkin mielen avoinna myös kokeilevalle tavalle oppia.

Jatkossa yritän myös pysyä paremmin aikataulussa viikottaisissa tehtävissä, jotteivät palautukset venyisi ja kasaantuisi hirveästi. Tuoreesta muistista tehdyt karttatyöt myös sujuvat paremmin, kun kurssikerrasta ja QGISin käytöstä ei ole useampaa päivää aikaa.

 

Lähteet:

Kurssimateriaali

Johannan blogi

Susannan blogi

Itämeren valuma-alue

Tilastokoulu