Viikko 2 – projektion vaikutus karttaan

Viikko 2 alkoi GIS:n ihmeellisessä maailmassa varsin tutussa kaavassa ja tutulla vauhdilla, mutta myös varsin hyvillä mielin. Myös toinen luentokerta toi mukanaan monenlaista uutta ja jännittävää tietoa geoinformatiikan maailmasta aivan kuten Julia  kirjoitti blogissaan ensimmäisen kurssi kerran jälkeen. Edellisviikon tapaan  tunnin alussa oli lyhyt alustus, jossa tällä kertaa kuulimme datan eri lähteistä. Lyhenteet WMS, WMTS, WCS ja WFS olivat kaikki minulle täysin uusia, ja en usko olleeni edes kuullut niistä  mainittavan aikaisemmin, mutta nyt minulla on jo hienoinen kuva mitä kyseiset käsitteet tarkoittavat.

Alustuksen jälkeen pääsin taas testaamaan nopeustaitojani yrittäessäni pysyä Artun perässä alkaessamme harjoittelemaan yhdessä QGIS:n eri toimintojen käyttöä. Kokeilimme erilaisia valintatyökaluja, joilla todellakin pystyi yllättävän helposti valitsemaan  erilaisia alueita, joko manuaalisesti hiirtä käyttämällä suoraan kartalta tai kohteiden ominaisuuksien perusteella. Etenkin ominaisuuksien perusteella alueiden rajaaminen oli mielestäni kiinnostavaa ja erilaisten lausekkeiden rakentaminen oli Select By Expression-työkalulla hauskaa ja kiinnostavaa.

Valintatyökaluilla leikkimisen jälkeen perehdyimme eri projektioiden vaikutuksiin kartalla tehtävissä mittauksissa. Vertailimme mm. eri projektioiden antamia tuloksia Suomi Neidon päälaelta rajatusta alueesta, sekä Suomen leveimmän kohdan leveyden vaihteluita eri projektioissa.

Pinta-alan ja pituuden vaihtelu eri projektioiden välillä.

Kuten yllä oleva kaavio esittää, vaikuttaa projektio esitettävään tietoon ja siihen kuinka luotettavaa tieto on. Silmiinpistävin havainto on Sphere-Mercatorin pinta-alan suuruus verrattuna muihin pinta-aloihin. Tämän erityisen suuren pinta-alan selittää Mercatorin projektion käyttö, sillä siinä etenkin pohjoiset alueet venyvät suunnattoman suuriksi ja, koska mittaamani pinta-ala on Pohjois-Suomesta, vaikuttaa tämä Mercatorin projektion virhe erityisen paljon juuri kyseiseen alueeseen. Muissa projektioissa on pinta-aloissa huomattavissa pieniä eroja, jotka nekin johtuvat eri tavoista projisoida maanpintaa tasolle. Myös Suomen leveyden mittauksessa on myös huomattavissa eroja, suurin ero ETRS-TM35FIN ja Sphere-Mercatorin välillä. Kaikista edellä mainituista projektioista juuri ETRS-TM35FIN kuvaa kaikkein todenmukaisemmin Suomen pinta-aloja.

Kyseinen tehtävä muistutti minua jälleen siitä, kuinka tarkka ja kriittinen tulee olla vertailtaessa eri alueita esimerkiksi pinta-alan mukaan ja kuinka huolellinen myös minun tulee olla valitessani eri projektioita. Yleensä tiedon esittäjä valitsee itselleen parhaan projektion sen mukaan miten hän haluaa alueen esittää, joko mahdollisimman pienenä tai vaihtoehtoisesti suurena.

Projektioiden vertailutehtävä jatkui, kun pääsimme vertailemaan ja visualisoimaan kartalla eri projektioiden eroja. Laskimme kuinka suuri prosentuaalinen ero eri projektioilla on kuvattaessa Suomea. Itse valitsin vertailtavaksi ensin Lambertin ja ETRS-TM35FIN projektiot ja sen jälkeen Mercatorin ja Robinsonin projektiot. Lambertin ja ETRS-TM35FIN projektioiden vertailusta selvisi, että aivan etelässä projektioiden esittämät alueet ovat hyvin saman suuruisia (-0.5-0.8%), kun taas mitä pohjoisemmaksi mennään sitä suuremminksi niiden väliset erot kasvavat (7.4-8-8%). 

Mercatorin ja Robinsonin projektioiden eroissa on myös havaittavissa eroja, jotka nekin kasvavat mitä pohjoisemmaksi siirrytään. Tässä kartassa minua jäi kuitenkin ihmetyttämään aikaansaamani erittäin suuret prosenttiluvut ja luulenkin, että joudun palaamaan tämän kartan (ja ihastuttavien prosenttilaskujen) pariin vielä uudestaan…

Kaiken kaikkiaan näiden kahden syntyneen kartan välillä on vain varsin vähän eroja, mm. Enontekiön kunta on kartoissa hieman eri arvoinen kuten myös muutama muu kunta. Projektioiden erot olisivat kuitenkin tulleet luultavasti vielä paremmin esille, jos olisin valinnut hieman erilaiset projektiot tarkasteluun.

Viimeisenä ja haastavimpana tehtävänä tutkin pinta-alaan suhteutetun muuttujan vääristymistä ja tähän valitsin helpon muuttujan eli väestöntiheyden. Onnistuin tekemään tietokantaliitoksen, jonka avulla pystyin yhdistämään eri tietokantoja toisiinsa ja loin kartan väestöntiheydestä ETRS-TM35FIN projektioon.

Sain tietokantaliitoksen toimimaan ja kartasta toivon mukaan tarkoituksen mukaisen, jossa väestöntiheys on suhteutettu pinta-alaan. Ainakin siinä korostuvat asutuskeskittymät, mutta myös etenkin pinta-alaltaan pienet kunnat, jotka ovat kuitenkin väkirikkaita. En kuitenkaan saanut karttaa muuttumaan yrittäessäni tehdä uutta tietokantaliitosta eri projektiolla toiseksi kartaksi ohjeiden mukaan ja toivonkin löytäväni vielä tähän ratkaisun kuluvan viikon aikana (toivottavasti jonkun muun blogista!)

Toisen kurssikerran jälkeen toistettuani QGIS:sissä mm. sarakkeiden luomista ja niissä pinta-alojen laskemista useaan (kymmeneen) otteeseen,  olen vakuuttunut latinaisesta sananlaskusta, joka tulee toivonmukaan auttamaan myös GIS:n kanssa kamppaillessani:

Repetitio est mater studiorum, Kertaus on opintojen äiti.

 

Lähteet:

Julia Salmi, QGIS ja sen jälkeiset tunnelmat, https://blogs.helsinki.fi/jhsalmi/, luettu 23.1.2019.

Viikko 1 – QGIS ja siihen perehtyminen

Geoinformatiikan menetelmät 1 -kurssin ensimmäinen tunti oli täynnä uutta tietoa ja tekemistä. Tunnin tärkeimmäksi aiheeksi esiin nousi QGIS, mikä oli minulle, kuten myös suurimmalle osalle ryhmäläisistäni, täysin uusi ohjelma. Viime periodissa minulle tutuksi tullut Corel-piirto-ohjelma auttoi ehkä hieman QGIS:n käytön opettelussa, mutta kaiken kaikkiaan minulla oli varsin avuton olo uuden ja monipuolisen paikkatieto-ohjelmiston kanssa. Tunnilla kävimme kuitenkin läpi QGIS:n käyttöä yhdessä, mikä helpotti huomattavasti ohjelman käytön oppimista sekä paniikkia sen laaja-alaisuudesta ja lukemattomista mahdollisuuksista.

Ensimmäisellä tunnilla loimme kartan Itämerta ympäröivien valtioiden typpipäästöistä Itämereen ja opimme samalla käyttämään perustyökaluja QGIS:ssä. Tehtävän tekeminen sujui helposti ohjeita seuraten ja valmistui suunnilleen ohjeiden mukaan. Myös aiheena Itämeren typpipitoisuus on ajankohtainen ja tärkeä aihe aivan kuten Ida Lehtonen blogissaan totesi.

Haastavammaksi tehtäväksi osoittautui tunnnin jälkeen yrittämäni tehtävä Suomen kunnista, sillä ohjeistus oli erittäin suppea ja minulle jäi osin epäselväksi mitä tehtävässä oli tarkoitus tehdä. Tästä huolimatta halusin haastaa itseni ja yrittää suorittaa kaikki vaikeustasot, mutta lopulta taitoni eivät vielä riittäneet siihen. Vaikeustaso 1 onnistui vielä ongelmitta, samoin kuin vaikeustaso 2:n tietojen etsiminen ja niiden muuttaminen .csv-tiedostoksi. Ongelmaksi minulle nousi tiedoston liittäminen Join-toiminnolla kuntapohjaan. Toinen ongelma oli kuntapohjan rajapinnan löytäminen ja lataaminen, sillä valmiiksi annettu linkki oli vanhentunut samoin kuin Tilastokeskuksen sivuilla olleet linkit samaan aineistoon. Niinpä en pystynyt suorittamaan tehtävää loppuun asti.

Alla on kuva Suomen kuntakartan pohjalta luomastani koropleettikartasta (vaikeustaso 1), joka kuvaa yli 65-vuotiaiden sijoittumista Suomessa vuonna 2015. Kartta kuvaa hyvin iäkkäämpien ikäluokkien voimakasta sijoittumista Itä-Suomeen ja muutenkin harvemmin asutetuille alueille. Prosentuaalisesti vähiten iäkkäitä ihmisiä on suurissa keskuksissa ja niiden ympäristössä. Etenkin pääkaupunkiseudun sekä Tampereen, Oulun, Jyväskylän, Joensuun ja Rovaniemen alueet erottuvat vaaleampina kartalta, mikä tarkoittaa iäkkäiden ihmisten prosentuaalisten osuuksien olevan pieni.  Nämä alueet ovatkin tunnetusti nuorten ja perheiden keskuudessa suosittuja, ja ne ovat yleisesti ottaen muuttovoitto alueita, etenkin nuorten ihmisten muuttaessa näihin keskuksiin parempien työ- ja opiskelumahdollisuuksien perässä, jolloin iäkäs väestö jää harvemmin asutuille alueille. Seurauksena tästä etenkin harvaan asutuilla alueilla huoltosuhde on hyvin epätasainen.

Mielestäni kartta kuvaa hyvin näitä eroja asutuskettymien eli kaupunkien ja harvaan asuttujen alueiden välillä. Samalla kartta on myös helppolukuinen ja jo nopealla silmäyksellä saa aiheesta varsin hyvän käsityksen.

Loppujen lopuksi opin kuitenkin QGIS:n perus toimintalogiikan ja sen perustoiminnot ja uskallan täst edes lähteä kokeilemaan sen eri toimintoja ja haastamaan itseäni ohjelmiston kanssa. Minun tulee ehdottomasti kehittää kärsivällisyyttäni tehdessäni haastavia tehtäviä ja olla luovuttamatta liian helposti ongelmien ilmetessä. Kaiken kaikkiaan odotan kurssin seuraavia tehtäviä ja haasteita, joita on varmasti luvassa riittämiin, ja aijon kohdata ne (toivottavasti) kärsivällisyydellä ja innolla!

 

Lähteet:

Ida Lehtonen, Blogi 1-QGIS:n käytön harjoittelua,  https://blogs.helsinki.fi/lida/, luettu 16.1.2019.