Datakällor & bråkar med QGIS

Föreläsningen

Vår andra kursgång handlade om datakällor och hur man på rätt sätt skulle hantera och söka data. Det påpekades att problemet i dagens läge är snarare att det finns för mycket än för lite data tillägänglig för allmänheten. Det mesta är gratis och öppet, men det finns också material som kan köpas – det garanterar ändå inte att materialet är jättemycket bättre än det som är gratis.

Vi gick ändå ganska kort och koncist igenom teorin innan vi satt igång med QGIS. Det fanns färskt i minnet eftersom jag ännu en halvtimme innan kursen satt hemma och bråkade  med kommunkartan som hörde till förra veckans inlägg (fick som tur hjälp av Johanna och Kia!). Den här gången lärde vi oss att vara mer selektiva med datan vi använde och lärde oss en hel del nya funktioner.
Attributtabellen kändes mer bekant och det flöt på ganska bra, men tycker att det fortfarande blev oklart när man ska spara och stänga och när man bara kan fortsätt på samma projekt. Hoppas jag inte är den enda.. 🙂 I alla fall kom det en hel del ny information och vi jobbade med kommunmaterialet från 2015 som skulle ses på och jämföras i olika projektioner. Förutom att man lärde sig om QGIS, var det också en hel del info om olika projektioner från Wikipedia vilket var jätteintressant.

Den här gången var (tyvärr) ganska matematisk stundvis… Inte min starka sida, men jag klarade mig. Som vanligt, tog det en stund tills jag (läs: internet) kom ihåg hur man räknar ut procent, men det fixade sig.

Producerat material

Den första uppgiften var att genom mätinstrument mäta arean på Suomineitos ”mössa” och mäta det bredaste stället i Finland för att sedan se hur olika projektioner påverkar resultatet (Bild 1).

Bild 1. Områden som mättes (Nyland är utmärkt, men inte uträknat).

I den andra uppgiften skulle man jämföra hur stor procentuell skillnad det var på kommunernas area då man såg på en Lambert-projektion (relativt rätt) och Mercator-projektion (förvränger ju längre mot polerna man går). Jag måste erkänna att jag är osäker på om jag satt funktionen för procenträkningen i rätt ordning, så mina procenter kan vara helt fel, hehe. I allafall ser man på kartan att ju längre mot norr man går, desto större blir skillnaderna på kommunernas areor (Bild 2).

Bild 2. Areaskillnader mellan en Lambert- och Mercatorprojektion i procent

Gjorde ännu en jämförelse mellan Lambert- och Robinson-projektionen och man kan än en gång se hur skillnaden växer ju längre mot nordpolen man ser (Bild 3).

Bild 3. Areaskillnader mellan en Lambert- och en Robinson-projektion visad i ETRS-TM35FIN.

Efter en lång, men lärorik tisdag känns det skönt att få skriva av sig lite.
Ha en bra fortsättning på veckan!

Källor:
Hokkinen, Johanna: Introduction till qgis och producering av egna kartor. https://blogs.helsinki.fi/johhokki/2019/01/22/introduction-till-qgis-och-producering-av-egna-kartor/, läst 22.1.2019
Kautonen, Kia: https://blogs.helsinki.fi/kautkia/
Wikipedia.org: https://en.wikipedia.org/wiki/List_of_map_projections, läst 22.1.2019

 

Introduktion & QGIS

Föreläsningen

Vi fick en kort introduktion till kursen och gick igenom vad målen för kursen är och hur vi kan uppnå dem. Rätt snabbt efter det satte vi igång med teorin för den gången.
I och med att jag gått MAA-104 – en introduktionskurs för geoinformatik – var det mesta vi gick igenom repetition, men jag tycker ändå det satt bra att gå igenom saker på nytt. I prof. A. Paarlahtis presentation påpekades att platsinformation består av både lägesdata och attributdata. Det första handlar om en plats position och kan anges till exempel med hjälp av koordinater eller geometri, men genom att tillägga attributdata får man en bättre helhet. Det finns olika former av attributdata. Den kan vara individuell (namn), lokaliserande (gatuadress), tidsmässig (byggnadsår) eller beskrivande (skogstyp). Attributdata presenteras ofta i tabellformat där den är indelad i kolumner och rader. Information som kan läsas från platsen, t.ex färg eller annan visuell egenskap, kallas fototeknisk information.

Platsinformation sparas i antingen vektor- eller rasterformat. Vektorformat är baserat på flera lager som gör det att man kan undersöka materialet närmare och fortfarande se det tydligt, medan rasterformat finns på ett och samma lager och syns mer otydligt ju närmare man ser. Det visas i små pixlar (rutor) som innehåller information om just det ställe pixeln representerar. Vektorformat material tar dock mer utrymme än rasterformat vilket kan skapa problem för de som inte har tillräckligt bra utrustning för att hantera det. Rasterformat används inom bland annat flyg- och satellitbilder.

Efter den teoretiska delen fick vi bekanta oss med vår kurskompis på datorn – QGIS.

QGIS

QGIS är ett öppet geoinformationssystem som uppehålls av frivillaga runt om i världen (qgis.0rg, 2018). Jag har läst om QGIS, men aldrig använt det, så det var helt nytt för mig. Kände att det fanns många funktioner att utforska, men konstaterade snabbt att jag inte skulle lära mig dem under den första kursgången. Tror ändå, precis som Elina, att jag har nytta av det jag lärde mig om CorelDraw förra perioden. Så lite blandade känslor kring QGIS, men hoppeligen känns det bättre med tiden.
Efter att vi laddat ner den ZIP-fil från Moodle som innehöll det komprimerade materialet, skulle vi öppna mappen för att nå det material vi behövde för uppgiften. Det bestod av shapefiler med bland annat administrativa gränser till länder runt Östersjön, sjöar, djupkurvor i Östersjön och utsatta punkter för kvävekällor i området. Genom att använda dessa skulle en karta skapas som visade vilka länders kväveutsläpp påverkar Östersjön.

Först lärde vi oss om hur programmet fungerar och gick igenom funktionerna kort, tills vi tillsammans gjorde uppgiften från början så att vi skulle (försöka) lära oss funktionerna i praktiken.
De olika shapefilerna fanns i olika lager och eftersom de presenterats av QGIS i automatiska färger, var de inte så estetiskt som man önskat. Då fick man välja färger för de olika lagren tills de var bättre och tydligare. Själv valde jag en färggrann men tydlig ljusröd färgskala. I efterhand känns den eventuellt lite för färgstark, men tjänar sitt syfte att visa vilka länders utsläpp som bidrar till övergödning av Östersjön genom kväveutsläpp.
Attributdata från en tabell användes för att genom en funktion kunna räkna ut de olika kvävekällornas andel av de totala kväveutsläppen. Först gjorde vi tabellen redigerbar och skapade en ny kolumn dit de nya uträkningarna skulle sättas. Programmet räknade skönt nog själv ut svaret efter att vi skrivit in funktionen. De olika andelarna gjorde att de olika länderna med kväveutsläpp skulle få olika färg enlig hierarkisk ordning. Det land med störst andel (Polen), fick den mörkaste färgen och den ljusaste färgen symboliserade det land med minst andel kväveutsläpp.

Bild 1. Länder, vars kväveutsläpp påverkar Östersjön.

Till sist skapade vi en legend, skala och satte in en nordpil. Innan vi avslutade sparades kartan som ett projekt, där de förändringar jag gjort på shapefilerna fanns registrerade. Kartan sparade jag dessutom som bild i PNG-format och den är bifogad i detta inlägg. Att spara ett arbete enligt projekt-principen blev ännu oklar för mig och hoppas att mitt arbete sparats på något sätt i QGIS…

Jag väntar med spänning på att se vad jag kommer lära mig av kursen. Efter dagens paket är jag övertygad om att den kommer vara intensiv men lärorik 🙂

Försökte efter några dagar återvända till QGIS hemma, men märkte snabbt att jag kom ihåg lite från kursgången och försöker fortfarande idag (tisdag 22.1) kämpa med kommunkartan. Får inte fältkalkylatorn att räkna ut rätt värden så har fastnat där. Jag har i alla fall sett fina exempel, som Emilias och lyckas hoppeligen lika bra med min egen (om jag får den klar………..).

EDIT: Wihuu! Äntligen någon slags koropletkarta över kommunerna i Finland.
Kartan visar hur barn (0-14-åringar) i Finland är utspridda. I södra och mellersta Finland syns det ett större antal än t.ex. i Lappland och i östra Finland. Det beror till en viss del på att det bor färre människor i norr än i söder.

Bild 2. Andelen 0-14-åringar i kommunerna, 2015.

Källor:
QGIS.org, https://qgis.org/en/site/about/index.html, läst 18.1.2019
Huhtinen, Elina: Viikko 1 – QGIS-ja siihen perehtyminen, https://blogs.helsinki.fi/huhelina/2019/01/16/viikko-1-qgis-ja-siihen-perehtyminen/
Ihalainen, Emilia: QGis:in alkeet, https://blogs.helsinki.fi/ihem/2019/01/18/qgisn-alkeet/