Month: January 2024

Toisella kurssikerralla syvennyimme hieman enemmän QGIS:in ominaisuuksiin sekä pohdimme projektioita ja niiden merkitystä kartanteossa. Kolmiulotteista maapalloa on mahdotonta kuvata kaksiulotteisella kartalla täysin virheettömästi. Projektiossa voidaan esittää oikein vain yksi ominaisuus: joko pinta-ala, pituus tai kulmat eli muodot. (Holopainen et al. 2015) Tehtävänämme oli verrata erilaisten projektioiden aiheuttamia vääristymiä Suomen todelliseen muotoon ja pinta-alaan. QGIS:in avulla vertailu oli mielestäni helppoa, sillä projektiota pystyi vaihtamaan parissa sekunnissa ja erot oli helppo visualisoida ohjeiden mukaan. Huomasin myös QGIS:in käyttötaitojeni kehittyneen karttojen teon sujuessa sulakammin.

Suomessa käytetään nykyään EUREF-FIN-koordinaatistojärjestelmää (tarkka nimi ETRS-TM35FIN), joka perustuu Universal Transverse Projection -projektioon (Holopainen et. al 2015). Tätä blogitekstiä kirjoittaessani huomasin, että käytän tekemissäni kartoissa nimeä EUREF-FIN, vaikka TM35FIN on yleisemmin käytössä. Koska molemmat nimet kuitenkin viittaavat samaan projektioon, en viitsinyt lähteä korjaamaan karttojani. TM35FIN kuvaa kartalla Suomen pinta-alan ja muodon mahdollisimman oikein maastoon verrattuna, joten vertasimme muita projektioita siihen.

Otin yhdeksi vertailukohteeksi Mercatorin projektion, sillä Arttu Paarlahti sanoi tunnilla sen olevan yksi tunnetuimmista ja eniten käytetyistä projektioista, vaikka se vääristääkin suuresti pinta-aloja ja pituuksia. Kuten Aura Niskanen (2024) blogissaan toteaakin, projektioita oli niin runsaasti, että niistä oli vaikea valita. Aura myös toteaa kaikkien karttojensa näyttävän samalta ja pohtivansa, tekikö jotain väärin. Itsellänikin parin ensimmäisen kokeilun tulokset näyttivät lähes samalta vertailukohteeseen verrattuna, mutta sitten löysin myös projektioita, joissa erot näkyivät selvästi. Lopulta päädyinkin Pattersonin projektioon, sillä sekin vääristi pinta-aloja huomattavasti, ja lisäksi siitä näkee helposti sen vääristävän myös muotoja. Kolmanneksi projektioksi valitsin Cassinin projektion, sillä vaikka se ei kovinkaan paljon vääristä pinta-aloja, kiinnittyi huomioni siihen, että vääristymät tapahtuvat eri suuntiin kuin yleiseen pohjois-eteläsuuntaan.

Kuva 1. Mercatorin projektion aiheuttamat vääristymät Suomen pinta-aloihin prosenteissa kunnittain verrattuna TM35FIN-projektioon (EUREF-FIN).

Kuva 2. Mercatorin projektio ja sen vääristymiä kuvaavat Tissotin indikaattorit. (© Tobias Jung)

Mercatorin projektio on oikeakulmainen lieriöprojektio (Esri 2021b), eli se esittää kartalla oikein muodot, mutta vääristää pituuksia ja pinta-aloja. Tehdessäni kuvan 1 karttaa loin tason attribuuttitaulukkoon uuden sarakkeen, johon laskin prosentteina sen, kuinka paljon suurempia pinta-alat Mercatorin projektion mukaan todellisuuteen (TM35FIN) verrattuna ovat. Päädyin karttaa visualisoidessani Arttu Paarlahden ohjeisiin tunnilla väriskaalan ja esitettävien luokkien määrien ja tavan (natural breaks) suhteen.

Näin jälkikäteen pohdin, olisiko yksivärinen väriskaala sittenkin toiminut paremmin. Nyt vihreästä ja sinisestä väristä ainakin minulle itselleni tulee intuitiivisesti sellainen ajatus, että kyseisillä väreillä kuvatuilla alueilla vääristymät eivät olisi niin suuria, vaikka pienimmilläänkin Mercatorin projektion mukaan lasketut pinta-alat ovat 295 % suurempia kuin maastossa todellisuudessa. Kuvan 1 lisäksi kuvasta 2 näkee, että Mercatorin projektion vääristymät kasvavat mentäessä napoja kohti, ja ovat Suomen kohdalla jo todella suuria. Olen hieman yllättynyt siitä, että suurimmillaan Mercatorin projektion aiheuttamat vääristymät ovat Suomen pohjoisosissa jopa 726 %, mikä on 434 prosenttiyksikköä enemmän kuin Suomen eteläosissa.

Kuva 3. Pattersonin projektion aiheuttamat vääristymät Suomen pinta-aloihin prosenteissa kunnittain verrattuna TM35FIN-projektioon (EUREF-FIN).

Kuva 4. Pattersonin projektio ja sen vääristymiä kuvaavat Tissotin indikaattorit. (© Tobias Jung)

Pattersonin projektio on lieriöprojektio, jossa kaikki ominaisuudet ovat jonkin verran vääristyneitä. Pienimmät vääristymät ovat päiväntasaajalla. (Esri 2021c) Tämän huomaa myös kuvasta 4, jossa Tissotin indikaattorit ovat pohjoisessa ja etelässä huomattavasti suurempia ja vääristyneenmuotoisempia kuin päiväntasaajalla. Kartan (kuva 3) visualisoinnissa jatkoin samoilla periaatteilla kuin kuvan 1 kartankin visualisoinnissa. Jätin Pattersonin projektion QGIS:in projektioksi tulostaessani karttaa kuvaksi, jotta siitä näkisi helpommin muotojen vääristymät. Samalla siitä voi kuitenkin myös verrata vääristymien alueellista sijaintia maaston todellisuuteen luokkajaon avulla.

Niin kuin Mercatorin projektion pinta-alan vääristymiä kuvaavassa kartassa, pyöristin tämänkin kartan legendaa varten prosentit kokonaisluvuiksi. Niitä on mielestäni lukijan helpompi näin lukea. Mercatorin projektioon verrattuna Pattersonin projektion vääristymät kasvavat tasaisemmin pohjoiseen mentäessä. Vaikka Pattersonin projektion aiheuttamat vääristymät pinta-aloihin eivät ole niin suuria kuin Mercatorin projektion aiheuttamat vääristymät, ovat nekin kuitenkin vähimmilläänkin 175 % suurempia kuin todelliset pinta-alat.

Kuva 5. Cassinin projektion aiheuttamat vääristymät Suomen pinta-aloihin prosenteissa kunnittain verrattuna TM35FIN-projektioon (EUREF-FIN).

Kuva 6. Cassinin projektio ja sen vääristymiä kuvaavat Tissotin indikaattorit. (© Tobias Jung)

Mercatorin ja Pattersonin projektioiden aiheuttaessa suuria vääristymiä pinta-aloihin, ei niitä ole mielekästä käyttää kartoissa Suomea kuvatessa. Kolmas tarkastelemani projektio, Cassinin projektio, on poikittainen oikeapituinen lieriöprojektio (Esri 2021a). Cassinin projektion aiheuttamat vääristymät pinta-aloihin eivät ole ainakaan Suomen kohdalla kovinkaan suuria, vain 1–3 % (kuva 5), joten sen käyttämisestä Suomen kartoissa ei kenties olisi niin paljon harmia. Kuten kuvasta 6 kuitenkin nähdään, projektio vääristää muotoja ja pinta-aloja huomattavasti itään ja länteen mentäessä (projektiossa nollameridiaani on päiväntasaajan paikalla). Cassinin projektio ei siis yleisesti ottaen soveltuisi karttojen tekemiseen, vaikka se Suomen kohdalla sen sijaitessa melko lähellä nollameridiaania toimisikin.

Jätin kartan pohjaksi tulostaessani sitä taas Cassinin projektion, jotta siitä näkee sen eron muihin projektioihin sekä suunnan, jossa vääristymät kasvavat. Tämän kartan kohdalla oli mielestäni mielekästä pyöristää prosentit legendaan yhden desimaalin tarkkuudella lukujen ollessa sen verran pieniä. Tajusin myös vihdoin, että voin symbols-ikkunassa manuaalisesti muokata lukuja, ja sain lisättyä tasalukujenkin perään desimaalit, jotta ne ovat yhteneväisiä liukulukujen kanssa!

Kuva 7. Suomen väestöntiheys kunnittain vuonna 2020 TM35FIN-projektion pinta-aloihin suhteutettuna.

Kuva 8. Suomen väestöntiheys kunnittain vuonna 2020 Mercatorin projektion pinta-aloihin suhteutettuna.

Innostuin kotona vielä toisen tunnin tehtävien kirjallisessa ohjeessa olleesta tehtävästä, jossa piti verrata jonkin pinta-alaan suhteutetun muuttujan vääristymiä käytettäessä jotakin projektiota. Valitsin Mercatorin projektion sen aiheuttamien vääristymien ollessa tarkastelemistani projektioista suurimpia, jotta erot tulisivat kartalla selkeimmin esiin. Tein attribuuttitaulukkoon kullekin tasolle uuden sarakkeen, johon laskin kunnan asukasluvun jaettuna kunnan pinta-alalla, jonka olimme aiemmin saaneet eri projektioilla vector geometrics -toiminnon avulla.

Päädyin TM35FIN-karttaa (kuva 7) visualisoidessani käyttämään luokkajaossa equal count -jakoa, sillä aineiston histogrammi oli niin epätasaisesti jakautunut ja hajonta suurta. Valitsemani jako oli siis ainoa, jolla kartan sai mielestäni järkevän näköiseksi. Tai sitten en vain osannut muokata muita jakoja oikein. Mercatorin projektion karttaa (kuva 8) visualisoidessani asetin luokille manuaalisesti samat rajat kuin TM35FIN-kartassakin, jotta niitä voisi verrata keskenään, vaikka equal count -jako tietenkin aluksi ehdotti täysin eri jakoja.

Näissäkin kartoissa päädyin seitsemään luokkajakoon Arttu Paarlahden ohjeiden mukaisesti. Paarlahti mainitsi tunnilla, että yleensä käytetään jakoa viiteen luokkaan tai enimmillään seitsemään, koska silmä ei helposti erota enempää pientä vaihtelua yhden värin skaalassa. Tästä muistui mieleeni edellisellä viikolla tekemäni väestöntiheyskartta, jossa jaoin aineiston kymmeneen luokkaan. No, nyt opin ainakin tämän asian! Kaikissa tällä viikolla tekemissäni kartoissa on mielestäni syytä seitsemään luokkajakoon, koska muuten aineiston erot eivät mielestäni tulisi tarpeeksi selkeästi esille. Mielestäni karttojen visualisoinnissa vaikeinta on aina värien valitseminen ja legendan selitteiden kirjoittaminen. Ehkä vain yliajattelen asiaa, mutta toisaalta näillä seikoilla on paljonkin merkitystä kartan luettavuuteen ja tulkintaan.

Kuvia 7 ja 8 verratessa näkee selkeästi, kuinka Mercatorin projektion käyttö kartan pohjana tuottaa täysin vääristyneitä ja todellisuutta kuvaamattomia tuloksia. Kuvan 8 karttaa katsoessa lukija saa sellaisen kuvan, että koko Suomi on todella harvaan asuttua. Tämä vääristymä johtuu siis siitä, että Mercatorin projektio vääristää pinta-aloja suuremmaksi kuin ne todellisuudessa ovat. Toisaalta kun legendojen lukuja katsoo, ei Suomi ole kovin tiheästi asuttua esimerkiksi moniin muihin Euroopan maihin verrattuna. Sopimatonta projektiota käyttämällä voidaan kuitenkin tahallisesti tai tahattomasti silti aiheuttaa vääriä mielikuvia ja tulkintoja.

Lähteet

Esri (2021a) Cassini. ArcMap 10.8, ArcGis Desktop. Viitattu 26.1.2024. https://desktop.arcgis.com/en/arcmap/latest/map/projections/cassini.htm

Esri (2021b) Mercator. ArcMap 10.8, ArcGis Desktop. Viitattu 26.1.2024. https://desktop.arcgis.com/en/arcmap/latest/map/projections/mercator.htm

Esri (2021c) Patterson. ArcMap 10.8, ArcGis Desktop. Viitattu 26.1.2024. https://desktop.arcgis.com/en/arcmap/latest/map/projections/patterson.htm

Holopainen, M., Tokola, T., Vastaranta, M., Heikkilä, J., Huitu, H., Laamanen, R. & Alho, P. (2015) Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7. Uri: http://hdl.handle.net/10138/166765.

Niskanen, A. (2024) Toinen kurssikerta – valintojen maailmaan. Viitattu 26.1.2024. https://blogs.helsinki.fi/niskanau/2024/01/25/toinen-kurssikerta/

Kuvat 2, 4 ja 6

Tobias Jung [CC BY-SA 4.0 (http://creativecommons.org/licenses/by-sa/4.0)], via map-projections.net https://map-projections.net/license/cassini-landscape:tissot-30-stf

Tobias Jung [CC BY-SA 4.0 (http://creativecommons.org/licenses/by-sa/4.0)], via map-projections.net https://map-projections.net/license/patterson-cylindrical-projection:tissot-30-stf

Tobias Jung [CC BY-SA 4.0 (http://creativecommons.org/licenses/by-sa/4.0)], via map-projections.net https://map-projections.net/license/mercator-84:tissot-30-stf

Kurssin ensimmäisellä kerralla tutustuimme QGIS-ohjelmistoon ja sen ominaisuuksiin sekä kertasimme paikkatiedon perusteita. Olen käyttänyt QGIS:iä tasan kerran alkusyksystä Johdatus geoinformatiikkaan -kurssilla noudattaen ohjeita sen paremmin ymmärtämättä mitä olin tekemässä, joten perusteellinen tutustuminen ohjelmistoon oli tarpeen. Ensimmäisen kurssikerran jälkeen koenkin ottaneeni QGIS-ohjelmistoa haltuun jo huomattavasti paremmin.

Itämereen kohdistuvat typpipäästöt

Aloimme harjoitella QGIS-ohjelmiston käyttöä laatimalla sen avulla valmiista aineistosta koropleettikartan Itämerta ympäröivien maiden typpipäästöistä siihen (kuva 1). Kävimme opettajan johdolla vaiheet läpi melko hidasta vauhtia, mutta olin silti vähällä pudota kärryiltä istuessani luokan takana, josta en nähnyt taululle tarpeeksi hyvin. Olisi pitänyt saapua luokkaan aikaisemmin. Omaa oppimistani auttoi paljon se, että opettaminen tapahtui konkreettisesti, eikä tarvinnut itsekseen vain lukea kirjallisia ohjeita. Mielestäni oli hyvä, että kävimme läpi vain QGIS:in perusasiat, sillä hyvän pohjan päälle on helppo rakentaa osaamista. Apua sain lisäksi Uskolta silloin, kun jotkin ohjeet pääsivät livahtamaan ohitse!

Kuva 1. Itämerta ympäröivien valtioiden Itämereen kohdistuvat typpipäästöt.

Olen melko tyytyväinen karttaani, vaikka jälkikäteen löysinkin siitä paljon parannettavaa. Niin kuin Sanna Saarinenkin (2024) blogitekstissään pohtii, minäkin olisin voinut kiinnittää enemmän huomiota kartan saavutettavuuteen. Voisin kuvitella vaaleanpunaisen värin olevan sen verran lähellä punaista, että karttani ei liene luettavissa esimerkiksi punavihersokeille. Olisin voinut vihreän sijaan käyttää esimerkiksi harmaata, sillä kartan kannalta muut maat eivät ole olennaisia teemalle paitsi ehkä sijaintia hahmottavana tekijänä. Huomasin myös, että pohjoisnuoleni ei taida osoittaa täysin pohjoiseen kartan ollessa hieman vinossa ainakin verrattuna tavallisesti nähtäviin karttoihin.

Jätin legendasta pois vesialueet ja syvyyskäyrät, sillä ajattelin niiden olevan tarpeettomia ja sinisen värin intuitiivisesti kertovan vesialueista. Jäin jälkikäteen pohtimaan, olisinko voinut jättää syvyyskäyrät pois koko kartasta, kun niitä ei legendassakaan ole. Ne eivät välttämättä myöskään ole olennaisia kartan esittämän aiheen kannalta. Pohdin myös, onko pieniä järviä tarpeellisia esittää kartalla. Toisaalta ne eivät mielestäni myöskään tee kartasta sekavaa. Selite Itämerestä olisi kuitenkin ehkä pitänyt legendaan jättää, sillä se on erittäin olennainen aiheelle, jota kartta kuvaa. Lisäksi karttaa lukeva henkilö, jolle aineisto ei ole tuttu, ei välttämättä tunne kartan esittämää aluetta, vaikka itse tiedänkin kartan esittämien alueiden sijainnit. Muuten karttani on mielestäni melko helppolukuinen ja esittää kuvattavaa ilmiötä. Pohtimani muutokset ja puutteet olisi helppo korjata, sillä niihin tarvitaan vain kurssikerralla opittuja QGIS:in perustoimintoja. Tehtävä sai minut kokemaan sen, kuinka karttojen laatiminen vaatii osaamista ja miettimistä, vaikka kysymys olisi melko yksinkertaisestakin kartasta ja kuvattavasta ilmiöstä. Innostuin lopulta vielä parantelemaan karttaani hieman (kuva 2).

Kuva 2. Paranneltu kartta Itämerta ympäröivien valtioiden Itämereen kohdistuvista typpipäästöistä.

Näin kurssin alussa blogitekstien vähäisyyden vuoksi innostuin tutkimaan ja hakemaan inspiraatiota myös edellisen vuoden kurssin blogeista. Joanna Nuutinen (2023) pohtii blogissaan mielestäni hyvin sitä, että vaikka kartassa otetaan huomioon vain Itämeren rannikkoalueiden typpipäästöt, myös muiden valtioiden alueilta voi rajoja ylittävien jokien kautta valua typpipäästöjä Itämereen rannikkovaltioiden kautta. Nuutinen nostaa esille sen, että Itämeren valuma-alueeseen kuuluu kartassa esitettyjen rannikkovaltioiden lisäksi myös alueita Tšekistä, Slovakiasta, Norjasta, Venäjästä ja Valko-Venäjästä (Suomen ympäristökeskus 2013). Karttaa lukeva voi saada käsityksen, että Itämereen kohdistuvat typpipäästöt tulevat pelkästään kartalla estetyistä valtioista. Toisaalta näiden valtioiden osuudet ovat väistämättä suurimmat, eikä tässä tapauksessa ole välttämättä mielekästä lähteä analysoimaan muita pienempiä osuuksia. Karttahan kuitenkin kuvaa nimenomaan Itämerta ympäröivien valtioiden typpipäästöjä.

Kartan tekijällä on myös vastuu tiedon esittämisestä mahdollisimman neutraalisti. Kuvasta 1 huomaa Puolan erottuvan kartalta negatiivisessa valossa. Kartan lukijallakin on kuitenkin vastuu pohtia kriittisesti esitettyjä tietoja ja ilmiön mahdollisia syitä. Tässä tapauksessa huomiota tulisi kiinnittää esimerkiksi valtioiden rantaviivan pituuteen, väkilukuun sekä vaikkapa maaperään. Maaperä vaikuttaa maankäyttöön, ja sitä myötä esimerkiksi maatalouden runsauteen, joka vaihtelee Itämeren eri rannikkovaltioissa (Suomen ympäristökeskus 2013). Varsinkin jatkoanalyysin kannalta tällaiset erilaiset seikat ovat todella tärkeitä. Samalla kartalla tätä kaikkea ei kuitenkaan ole mielekästä esittää, sillä se tekisi kartasta todella sekavan.

Suomen väestöntiheys

Kotitehtävänä oli visualisoida Suomen kartta kunnittain jonakin muuttujana. Valmiin aineiston lataaminen ja visualisoiminen sujui ilokseni sen verran helposti, että päätin kokeilla yhtä tasoa vaikeampaa kotitehtävää. Siinä tulikin jo sitten huomattavasti enemmän mutkia matkaan. Päätin tehdä kartan Suomen väestöntiheydestä (kuva 3). Etsin Tilastokeskuksen sivuilta aineiston Suomen väestöntiheydestä kunnittain ja latasin sen ohjeiden mukaisena tiedostona. En saanut kuitenkaan tuotua sitä QGIS:iin oikein, ja pienen pähkäilyn ja googlailun seurauksena päädyin lataamaan aineiston ensin exceliin, jossa muokkasin sen haluamakseni. Excelistä tallensin aineiston ohjeistettuun muotoon, jolloin sainkin sen helposti tuotua QGIS:iin.

Eri tasojen attribuuttitaulukoiden yhdistäminen toisiinsa sen sijaan aiheutti päänvaivaa. Lopulta kokeilun ja virheiden kautta sekin onnistui, mutten saanut väestöntiheyttä kartalle, sillä sen kenttätyyppi attribuuttitaulukossa oli teksti desimaalin sijaan. Netin syövereistä löysin lopulta ohjeet siihen, miten attribuuttitaulukon kenttätyyppejä voi muuttaa. Usean erheen jälkeen onnistuin liittämään tuomani aineiston attribuuttitaulukon tehtävän valmiiseen kuntapohjaan ja sain haluamani kartan näkyviin.

Kuva 3. Suomen väestöntiheys kunnittain vuonna 2022 (Tilastokeskus 2023).

Karttaa visualisoidessani päädyin usean kokeilun kautta valitsemaan tiedon esitystavaksi Equal Count eli tasaisen luokkajaon. Yritin esittää tiedon mahdollisimman neutraalisti ja mielestäni aineiston tasainen jako pyrkii siihen. Päädyin kymmeneen eri luokkaan, sillä väestöntiheydessä oli sen verran hajontaa, että vähäisempi luokkajako olisi liiaksi häivyttänyt tietoa, mutta suurempi ei olisi tuonut enempää lisäarvoa. Kartan legendaan päädyin pyöristämään luvut tasaluvuiksi, sillä ne ovat mielestäni kartan lukijalle mielekkäämpiä ja helppolukuisempia. Omaa silmääni miellytti kuntien ääriviivojen poistaminen, mutta toisaalta ne olisi ehkä pitänyt jättää kartan esittäessä väestöntiheyttä nimenomaan kuntajaon perusteella.

Olen melko tyytyväinen väestöntiheyskarttaani. Se on mielestäni visuaalisesti parempi kuin ensimmäisestä tekemästäni kartasta (kuva 1). Koen, että opin huomattavasti QGIS:in käytöstä toista tehtävää tehdessäni. Vaikka se onkin kliseistä, virheiden kautta oikeasti oppii. Itsensä haastaminen kannatti, ja vaikka siihen kuluikin aikaa ja googlailua, palkitsi lopputulos ja hankittu osaaminen uurastukseni.

Lähteet

Nuutinen, J. (2023) QGIS-ohjelmistoon tutustuminen. Viitattu 16.1.2024. https://blogs.helsinki.fi/joznuuti/2023/01/23/qgis-ohjelmistoon-tutustuminen/

Saarinen, S. (2024) Ensimmäinen kurssikerta. Viitattu 16.1.2024.  https://blogs.helsinki.fi/saarinsa/2024/01/16/ensimmainen-kurssikerta/

Suomen ympäristökeskus SYKE (2013). Itämeri – ympäristö ja ekologia. https://www.syke.fi/download/noname/%7BC0E3E83E-6BEB-489E-939E-06C4B82E1501%7D/97989

Tilastokeskus (2023) Tunnuslukuja väestöstä alueittain, 1990–2022. https://pxdata.stat.fi/PxWeb/pxweb/fi/StatFin/StatFin__vaerak/statfin_vaerak_pxt_11ra.px/

Muut viittaukset

Usko: Usko Sinervon blogi https://blogs.helsinki.fi/usko/

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!