Month: January 2018

Toisella kurssikerralla tutkittiin projektion vaikutusta kartan ulkomuotoon sekä erityisesti kartan antamaan informaatioon. Kurssikerralla tehtiin kartta, joka ilmentää toimivan ja huonon projektion eroja, esimerkkiprojektioina käytettiin Lambertia sekä vääristymistään tunnettua (Sphere) Mercatoria. Koska Mercator on pystysuuntainen oikeakulmainen lieriöprojektio, sen karttaa  sivuava osa kulkee päiväntasaajaa pitkin, jolloin se on kartan tarkin osa. Sen sijaan virheet kasvavat kohti pohjois- ja etelänapaa, mikä selittää myös Suomen pohjoisosien luonnottoman muodon. Vääristymät ilmenevätkin tehdyllä kartalla etelä-pohjoissuuntaisena gradienttina (kuva 1), vaihdellen välillä 295-724%. Ossi Saarinen selvittää blogissaan Mercatorin aiheuttavan pinta-alassa jopa yli seitsenkertaisen eron LAEA -projektioon verrattuna. Kyse on siis todella merkittävistä virheistä Suomen kartalla! Vaikka tavallinen Mercatorin projektio on peräisin renessanssin ajalta 1500-luvulta, sitä käytetään yhä yleisesti etenkin julkisissa kartoissa. Mercator aiheuttaa vääristymiä kartan lisäksi myös ihmisten käsityksissä maailman mittakaavoista,  kuten Miia Farstad pohtii blogitekstissään. 

Karttaa tehdessä piti taas keskittyä huolella uusien toimintojen käyttämiseen, eikä itselläni ainakaan ollut kovin selkeää käsitystä niiden toimintaperiaatteista. Kuitenkin lopputuloksena kartasta tuli aika hyvä ja informatiivinen, sen värit erottuvat sopivasti toisistaan vaikka luokkia onkin enemmän.  

Lisäksi kurssikerralla mitattiin eri projektioilla pinta-alaa ja etäisyyttä Suomen kartalla, tulokset laitettiin ylös (taulukko 1). Pinta-alaa mitattiin Suomi-neidon päälaelta Pohjois-Suomesta ja etäisyyttä Vaasasta itäkärkeen eli leveyssuunnassa.  

Kurssikerran jälkeen tein periaatteessa samalla tavalla toisenkin tehtävän, eli vertasin Lambertin ja jonkin toisen projektion eroja. Tutkin eri projektioiden ominaisuuksia netissä (lähde: Kartograph – Map Projections) ja päädyin valitsemaan vertailtavaksi projektioksi Winkelin (kuva 2). Kyseinen projektio pyrkii sekä oikeapintaisuuteen, oikeapituuteen että oikeakulmaisuuteen minimoimalla niiden aiheuttamat virheet (lähde: Wikipedia). Kartan teko ja QGIS:in käyttö oli huomattavasti helpompaa, kun samoja toimintoja oli jo käyty läpi kurssikerralla. Kartta valmistuikin nopeasti ja siitä tuli mielestäni selkeä ja siisti. Koska Winkel on kuitenkin melko vähän virheitä jättävä projektio, kartassa ilmenevät vääristymät eivät ole kovinkaan suuria etenkin Sphere Mercatoriin verrattuna. Myös Winkelin projektio aiheuttaa sitä enemmän virheitä, mitä lähemmäs napoja mennään. Sen sijaan päiväntasaajan seutu pysyy kaikista todenmukaisimpana. Kartassani Winkel ei siten aiheuttanut ihan niin isoja eroja kuin olisin halunnut ja koska vääristymien sijaintikin oli sama kuin Mercatoriin verratessa, päätin kokeilla tehdä vielä yhden vertailukartan samalla tyylillä. 

Tällä kertaa päätin valita jonkin ihan vieraan ja oudon projektion, ja QGIS:in valikosta aikani etsittyäni löysin WGS 84/EPSG Arctic zone 1-21 –nimisen projektion. Se sai aikaan erikoisia venymiä Itä-Suomen kunnissa (kuva 3), joten päätin selvittää millainen kartta kyseisestä projektiosta tulisi. Kartta valmistui aika suoraviivaisesti ja se kertookin suurimpien vääristymisprosenttien sijaitsevan Suomen itärajalla (kuva 4). Lisäksi projektion tarkkuus on nimensä mukaisesti korkein arktisella alueella, joten Suomen kartassa virheet kasvavat kohti eteläistä osaa maasta. Kokonaisuudessaan vääristymien asteikko on aika laaja, viidestä prosentista yli kahteensataan. Olisin halunnut selvittää, miksi virheet esiintyvä juuri tällä tavalla, mutta projektiosta löytyi melko suppeasti tietoa. Tehtävien avulla sai kyllä vahvistettua hyvin ajatusta projektioiden vaikutuksesta kartan ulkomuotoon, sillä ne esittivät erot konkreettisesti etenkin muuttaessa virheitä esittävän kartan vielä Lambert-projektioon. 

 

 

 

 

 

 

 

 

 

Kokeilin myös aloittaa tehtävää, jossa piti vertailla väestöntiheyttä (tai muuta muuttujaa) suhteessa projektioiden pinta-ala-eroihin. Tämä ei kuitenkaan oikein ottanut onnistuakseen joten jätin sen suosiolla sivuun, olinhan kuitenkin jo tehnyt kolme karttaa hieman yksinkertaisemmalla kaavalla. Oli kuitenkin tosi positiivista huomata, että toistoja tehdessä alkoi vihdoin ymmärtämään tiettyjä ohjelman toimintoja ja karttojen tekemisestä tuli helppoa ja kivaa. Varsinkin tulostusikkunassa tehtävät osat onnistuvat jo hyvässä sopusoinnussa QGIS:n kanssa.

Kurssikerran jälkeen jäi hyvä fiilis GIS:in käytöstä, koska kerrankin kaikki alkoi sujua ihan itsestään. Kartoistakin tuli mielestäni visuaalisesti onnistuneita, niissä on kaikki tarvittava ja niistä saa helposti selville niiden esittämän asian. Ilmeisesti GIS voi olla välillä ihan kivaakin! 

 

Lähteet ja viittaukset: 

Farstad, Miia. Viikko 2: Projektioiden tärkeys (26.1.2018). <https://blogs.helsinki.fi/miiafar-gis1/> Luettu 27.1.2018

Saarinen, Ossi. 2. Kurssikerta (10.2.2018) <https://blogs.helsinki.fi/ossisaar/> Luettu 12.3.2018 

Kartograph (2012-2014) <http://kartograph.org/showcase/projections/#ortho> Luettu 26.1.2018 

Wikipedia (2017) <https://en.wikipedia.org/wiki/Winkel_tripel_projection> Luettu 26.1.2018 

 

Ensimmäisen kurssikerran perusaiheena oli tutustuminen paljon puhuttuun QGIS -paikkatieto-ohjelmistoon. Sen avulla tehtiin vektorimuotoinen koropleettikartta, joka kuvaa typpipäästöjen osuuksia valtioittain (Suomi, Ruotsi, Tanska, Saksa, Puola, Liettua, Latvia, Viro ja Venäjä) Itämeren alueella (kuva 1). Nämä valtiot kuuluvat HELCOM-järjestöön eli Itämeren merellisen ympäristön suojelukomissioon, jonka perusperiaatteena on Itämeren tilan sekä sen suojeluun käytettävien keinojen toimivuuden tarkkailu (Helcom 2018). Kurssikerralla kerrattiin myös ennestään tuttuja paikkatiedon perusasioita.

Koska suurin osa ensimmäisestä kurssikerrasta kului QGIS -ohjelman parissa, tulivat sen perustoiminnot suunnilleen tutuiksi. Osa toiminnoista oli hankalampia löytää, osa taas hyvin selkeitä. Koska ohjelmisto oli vieras, saattoi opetuksen aikana kartan yksityiskohdan viilaaminen kostautua aika nopeasti ongelmina pysyä mukana. Joka tapauksessa ohjelmisto opetti paljon itsestään jo yhden kerran aikana. Kurssikerrasta jäi siten ihan hyvä yleiskäsitys ohjelmasta, samalla tuli vihdoin kokeiltua QGIS -ohjelmistoa käytännössä.

Typpipäästöjen määrät jakautuvat Itämerta ympäröivien valtioiden kesken epätasaisesti. Ääripäinä pitoisuuksissa ovat kartallakin näkyvät Viro (alhaisin) ja Puola (korkein). Suuri osa typpipäästöistä on peräisin teollisuus- ja maatalousalueilta, joilla typpeä kulkeutuu vesistöihin muun muassa lannoiteaineiden muodossa. Typpipitoisuuksiin vaikuttavat siis merkittävästi pinnanmuotojen määrittämät valuma-alueet. Kartta siis syyllistää epäreilusti myös niitä alueita, joilla ei välttämättä ole osuutta ongelmaan. Esimerkiksi Suomen pohjois- ja koillisosat eivät Maanselän vedenjakajan vuoksi edes kuulu Itämeren valuma-alueeseen. Toisaalta Itämeren valuma-alueeseen kuuluvat myös Valko-Venäjä sekä Ukraina, joten todennäköisesti päästöjä valuu mereen muualtakin kuin vain sitä ympäröivistä valtioista. Valko-Venäjän ja Ukrainan osuudet toki vaikuttavat välillisesti Venäjän Kaliningradin sekä Puolan ja Liettuan läpi virtaavien jokien kautta, mikä on ehkä huomioitu näiden valtioiden pitoisuuslukemissa.

Aiheesta vähemmän tietävä saa kartan perusteella varsin helposti vääristyneen kuvan typpipäästöjen osuuksista valtioittain, sillä sen voisi tulkita esittävän koko valtion maapinta-alan kattavia typpipäästöpitoisuuksia pelkkien keskiarvojen sijaan. Typpipäästöjä kuitenkin päätyy ympäristöön pistemäisistä lähteistä, ei säännöllisesti koko valtion laajuudelta. Toki päästöjen määrään vaikuttaa myös valtion rantaviivan pituus. Moni aiheeseen vaikuttava taustatekijä jää kartalla selittämättä, kuten Keski-Euroopan valtioiden merkitys ja rooli teollisuudessa. Enemmän intensiivistä teollisuus- ja maataloustoimintaa harjoittavien valtioiden päästömäärä on tietysti korkeampi. Kartalla korostuvan Puolan merkittävää osuutta typpipäästöissä selittää myös runsas laivaliikenne Pohjoismaista ja Venäjältä, onhan kyseinen reitti yksi keskeisimmistä väylistä alueiden välisen tuonnin ja viennin kannalta. Kartan informatiivisuus on suhteellisen heikko, mutta yksinkertaiseen aiheen esittämiseen se on ihan riittävä.

Halusin käyttää kartassa saman sävyn eri valöörejä eli tummuusasteita, jotta kartan ulkoasu pysyisi selkeämpänä. Eriväriset luokat olisivat voineet viedä huomiota pois ilmiön alueellisen voimakkuuden kuvaamiselta. Jotta itse ilmiö olisi pääosassa kartalla, ulkopuolisten valtioiden värin tuli olla neutraalimpi. Jälkeenpäin ajateltuna olisi ehkä ollut fiksumpaa valita karttaan jokin toinen väriyhdistelmä, sillä oranssi ja vihreä saattavat aiheuttaa vaikeuksia kartan tulkintaan esimerkiksi puna-vihervärisokeille. Olen tyytyväinen merialueiden sekä mantereiden reunojen ja rannikoiden väreihin, ne ovat tasapainossa mutta erottuvat toisistaan. Kaiken kaikkiaan värit sopivat voimakkuudeltaan ihan hyvin yhteen, vaikka ovatkin vähän turhan voimakkaita. Mittakaava, legendan tekstit ja pohjoisnuoli erottuvat kartalta. Kokonaisuudessaan kartan perusteella saa yleiskäsityksen sen kuvaamasta ilmiöstä sekä sen karkeasta jakautumisesta Itämeren alueella, mutta yksityiskohtia tai ilmiön taustoja kartta ei kerro.

Kartassa jäi erityisesti häiritsemään Skagerrakin alueelle jäänyt syvyyskäyrien vyöhyke, sillä se tekee kartasta sekavamman ja on käytännössä turha yksityiskohta. Syvyyskäyrien tarpeellisuus on vähän niin ja näin. Toisaalta ne kuitenkin ilmoittavat niiden alueiden sijainnin, joille typpi helpoimmin varastoituu aiheuttaen negatiivisia seurauksia. Matalat merialueet kärsivät eniten rehevöitymisestä johtuen korkeasta typpipitoisuudesta vesimäärään nähden, kuten Anette Markula toteaa omassa blogitekstissään. Lisäksi virheenä kartalla on manneralueen kanssa päällekkäin osuva legendan teksti, joten sen olisi voinut asettaa vielä siistimmin. Myös kartan rajaus voisi olla hieman parempi, nyt kartan olennaisin informaatio painottuu lähinnä vasempaan yläkulmaan keskikohdan sijaan, jolloin etenkin vastakkaisessa kulmassa on paljon epäolennaista tietoa. Kartta siis ajaa asiansa, mutta siinä on kyllä paljon parannettavaakin.

 

QGIS -harjoittelu ei loppunut vielä Itämerikarttaan: edessä oli vielä toinen koropleettikartta, tällä kertaa Suomen kuntiin liittyen. Tehtävänä oli valita valmiista tietokannasta mieleisensä muuttuja ja visualisoida siitä aika samaan tapaan kartta kuin edellisessä tehtävässä. Tartuin haasteeseen kevyin mielin optimistisena tavoitteena saada kartta valmiiksi parin tunnin sisällä siinä iltapäivällä, ei muuta kuin QGIS tulille ja menoksi. No, niinhän siinä kävi että vielä iltakymmeneltä vietin mukavaa tiistai-iltaa kartan parissa. Lopulta, kuten kuvasta 2 huomaa, QGIS kuitenkin taipui yhteistyöhön.

Valitsin karttani aiheeksi palveluiden osuuden koko kunnan elinkeinoista. Kartasta näkyy, että palveluita on prosentuaalisesti eniten (79-91%) suurimmissa, kaupunkimaisissa kunnissa. Näitä ovat esimerkiksi Helsinki, Espoo, Turku ja Kuopio. Kaupungeissa palveluyhteiskuntamainen rakenne korostuu, teollisuus on vähäisempää, maatalous lähes olematonta. Tarvitaan paljon erilaisia palveluita suurta asukasmäärää varten, samalla ne tarjoavat työpaikkoja. Toisaalta myös Pohjois-Suomen Rovaniemellä ja Inarissa palvelut muodostavat valtaosan elinkeinoista. Tämä on muun muassa turismin ja matkailupalveluiden ansiota. Pienempi rooli (29-42%) palveluilla on Etelä-, Keski- ja Pohjois-Pohjanmaalla, jossa maatalous on tärkeässä asemassa alavan ja viljavan maan seurauksena.

Kartta on mielestäni ihan hyvin onnistunut. Siinä on periaatteessa kaikki tarvittava tieto, legendaa, mittakaavaa ja pohjoisnuolta myöten. Lisäksi sen värit erottuvat toisistaan ja sitä on aika helppo tulkita. Kaiken kaikkiaan taistelu QGIS:in kanssa ei mennyt hukkaan, vaan toinen samantyyppinen harjoitus opetti tehokkaasti ohjelmiston tärkeitä toimintoja. Uskaltaisin varovasti väittää, että seuraavalla kerralla saattaa olla jo helpompaa.

 

Lähteet ja viittaukset:

Helcom (2018) <http://www.helcom.fi/about-us> Luettu 22.1.2018

Markula, Anette. Qgis ja kartta Itämeren typpipäästöistä (20.1.2018). <https://blogs.helsinki.fi/anettmar/> Luettu 22.1.2018