23.1.2019

Projektioiden vertailua

Tällä viikolla tutustuimme karttojen projektioiden vaikutuksia pinta-aloihin ja pituuksiin. Rajasimme Suomen kartalta alueen ja mittasimme Vaasan seudulta Suomen läpimitan. Pohjamittauksiin käytin ETRS-TM35FIN -projektiota, joka on Suomen alueella luotettava, oikeat pituudet ja pinta-alat esittävä karttaprojektio. Näiden mittaamiemme arvojen muutoksia lähdimme sitten vertailemaan eri projektioissa. Projektiosta riippuen, pinta-alat ja pituudet voivat vaihdella hienoisesta suuriin eroihin.

Alla on esitetty taulukko (Taulukko 1.) eri projektioiden aiheuttamista pinta-alan ja pituuksien muutoksista. Vertailuun olen valinnut viisi projektiota, joista ETRS-TM35FIN -projektiota olen käyttänyt vertailuprojektiona.

Pinta-aloja ja pituuksia eniten vääristävät projektiot verrattuna ETRS-TM35-projektioon ovat Mercatorin projektio ja Van der Grinten -projektio (Taulukko 1.).  Mercatorin projektion vääristymät pinta-aloissa ovat jopa seitsenkertaisia ETRS-TM35-projektioon verrattuna. Van der Grinten -projektiossa vääristymät ovat noin kolminkertaisia suurimmillaan.

Taulukko 1. Saman pinta-alan ja pituuden vertailua eri projektioissa, pinta-alojen erotus ja muutosprosentti (vertailuprojektio: ETRS-TM35FIN)

Mercator

Mercatorin projektio suurentaa pinta-aloja Suomen alueella enimmillään seitsenkertaiseksi (Kuva 1.). Projektion aiheuttamat vääristymät pinta-aloissa ovat suurimmillaan pohjois-Suomessa. Eteläisessä Suomessa projektion pinta-aloja suurentava vaikutus on noin kolminkertainen.

Van der Grinten

Van der Grinten -projektio suurentaa pinta aloja enimmillään noin kolminkertaiseksi verrattuna ETRS-TM35FIN -projektioon (Kuva 2.). Tässäkin projektiossa suurimmat pinta-alojen vääristymät ovat pohjoisessa Suomessa. Eteläisimmässä Suomessa pinta-alojen vääristymät ovat alle kaksinkertaisia. Nuolilla olen merkinnyt eroja Mercatorin-projektion kanssa.

Olen Vilma Kaukavuoren ja Ilona Tuovisen kanssa samaa mieltä siinä, että karttoja katsomalla voi saada kuvan Mercatorin ja Van der Grinten -projektioiden vääristymien samankaltaisuuksista. Omat karttani vaikuttavat nopeasti vilkaistuna samankaltaisilta vääristymineen. Ongelmana on, että kartan lukijan täytyisi huomata Mercatorin projektion suurentavan pinta-aloja seitsenkertaiseksi kun taas Van der Grinten “vain” kolminkertaiseksi. Jos kartat asettaa vierekkäin tämä virhe on helppo tehdä.

 

Lähteet:

• Vilma Kaukavuori. Uskomattomia pinta-ala vääristymiä. Luettu: 29.1.2019.  https://blogs.helsinki.fi/vilmakau/
• Ilona Tuovinen. Ensihaparoinneista eteenpäin! Luettu: 29.1.2019.  https://blogs.helsinki.fi/tuoilona/

 

 

Suomen kuntien työttömyysprosentteja

Ensimmäiseen kurssikertaan liittyvänä tehtävänä oli omavalintaisen koropleettikartan luominen, joko valmiina annetusta aineistosta tai vaihtoehtoisesti itse etsitystä aineistosta. Halusin kokeilla, onnistuisinko etsimään itse tietoa, jota voisi esittää koropleettikartan avulla ja miten tiedon tuominen QGIS:iin oikein onnistuisi.

Lyhyesti sanottuna tie oli pitkä ja kivinen, mutta silti erittäin opettavainen. En tajunnut kuinka vaikeaa oikeanlaisen tiedon löytäminen olisi. Sen lisäksi tiedon tuominen QGIS:iin ja sen näkyminen atrribuuttitaulukossa ymmärrettävällä tavalla tuottivat päänvaivaa. Matkassa oli siis monta mutkaa ja en tiedä onko lopputulos siltikään onnistunut.

Ensimmäinen kokonaan uusi tuttavuus oli csv. tiedostomuoto, johon mieluiten kaikki taulukkomuotoinen aineisto muutetaan.

Karttani aiheeksi valitsin pitkällisen etsimisen, kokeilemisen ja erehdyksien kautta Suomen kuntien työttömyysprosentin. Latasin aineiston Paituli-paikkatietopalvelusta Kuntien avainluvut -nimellä. Tämä aineisto sisälsi paljon samaa tietoa kuin valmiiksi annettu aineisto, mutta ajattelin verrata uudempaa tietoa valmiiksi annettuun vuoden 2015 aineistoon.

Tein siis kaksi karttaa. Toisen lataamastani aineistosta (Kuva 1.) ja toisen kurssikerran Kunnat2015-aineistosta (Kuva 2.) vertailun vuoksi.

 

Kartan tekemisessä ongelmalliseksi koin Suomen kunnissa tapahtuneet muutokset vuosien mittaan. Kuvan 1. kartassa kuudesta kunnasta tieto työttömyysprosentista jäi puuttumaan ( Hämeenkoski, Jalasjärvi, Juankoski, Köyliö, Luvia ja Nastola). Kaikki nämä kunnat ovat entisiä kuntia vuonna 2016, jotka on liitetty toisiin kuntiin (Wikipedia).

Vuoden 2016 ja 2015 karttoja verratessa (Kuva 1. ja Kuva 2.) huomaan korkean työttömyysprosentin kuntien sijainnissa samankaltaisuuksia. Eniten työttömyyttä Suomessa esiintyy idässä. Korkeimman työttömyysprosentin alueet ovat sijoittuneet molemmissa kartoissa samoille alueille, joskin vuoden 2017 kartassa Saarijärven, Kuhmoisten ja Rantasalmen alueilla työttömyys on kasvanut ja levinnyt ympäröiviin kuntiin. Suomen länsi- ja itärannikolla löytyvät suurimmat matalan työttömyyden alueet. Nämä mukailevat myös suurimpien kaupunkien sijainteja. 

Molemmissa kartoissa luokittelurajoina on luonnolliset luokkarajat. En tiedä ovatko nämä kaksi karttaa vertailukelpoisia, koska niissä on eri suuruiset luokkarajat. Käytin vuoden 2015 (Kuva 2.) karttaa apuna arvioidessani vuoden 2017 kartan (Kuva 1.) paikkaansa pitävyyttä. Kartan tekemisessä oli niin monia ongelmia, että olen epävarma lopputuloksesta. En tiedä olisiko kartasta hyötyä missään asiassa, sillä sitä ei voi verrata mihinkään. Hyödyllisempää voisi olla vertailla työttömyysprosentin kehitystä kunnittain jollain aikajaksolla. 

Kaiken kaikkiaan koin aineiston hakemisen, muokkaamisen ja liittämisen työvaiheet erittäin haastavina, ainakin minun tasoiselle tietokoneen ja paikkatieto-ohjelmien käyttäjälle. Moni vaihe vaati useamman tunnin pähkäilyä ja kokeilemista. Jos painit samanlaisten ongelmien kanssa Pasi Okkonen on kirjoittanut blogissaan selkeästi näistä työvaiheista.

Lähteet:

• Paituli https://avaa.tdata.fi/web/paituli/latauspalvelu
• Pasi Okkonen. Viikko 1. Ensimmäisen viikon saavutukset ja oivallukset. Luettu:29.1.2019. https://blogs.helsinki.fi/pasiokko/2019/01/24/ensimmaisen-viikon-saavutukset-ja-oivallukset/
• Wikipedia, Hämeenkoski. https://fi.wikipedia.org/wiki/Hämeenkoski
• Wikipedia, Jalasjärvi. https://fi.wikipedia.org/wiki/Jalasjärvi
• Wikipedia, Juankoski. https://fi.wikipedia.org/wiki/Juankoski
• Wikipedia, Köyliö. https://fi.wikipedia.org/wiki/Köyliö
• Wikipedia, Luvia. https://fi.wikipedia.org/wiki/Luvia
• Wikipedia, Nastola. https://fi.wikipedia.org/wiki/Nastola

 

 

 

16.1.2019

QGIS

Ensimmäisen kurssikerran tarkoituksena oli tutustua QGIS ohjelmaan. Kurssikerran aikana teimme yksinkertaisen koropleettikartan Euroopan valtioiden typpipäästöistä. Aikaisempaa kokemusta QGIS:n käytöstä minulla ei ole, mutta olin innokas kokeilemaan ja oppimaan uutta.

QGIS on avoimen lähdekoodin ohjelmisto, mikä käytännössä tarkoittaa sitä, että ohjelmisto on vapaasti ladattavissa ja se kehittyy ja päivittyy käyttäjien toimesta.

Hyödyllisenä toimintona pidin Susanna Kukkavuoren lailla QGIS browseria, jolla käyttäjä voi esikatsella aineistoa sitä avaamatta. Tällöin aineistoa ei tarvitse avata nähdäkseen onko kyseessä oikea aineisto, mikä helpottaa oikean aineiston löytämistä ja nopeuttaa aineistojen avaamista.

Tämän kurssikerran aikana muokkasimme attribuuttitaulukkoa luomalla uuden sarakkeen typen suhteelliselle määrälle, jonka laskimme typen kokonaismäärästä. Tässä hommassa saikin olla tarkkana, ettei attribuuttitaulukkoa tule vahingossa muuteltua muilta osin. Kuvittelisin että näin aloittelijana, se olisi hyvinkin mahdollista.

Kurssikerran aikana opin lisää erilaisten tasojen käytöstä paikkatietoaineistoissa. Tasojen käyttöön olimme tutustuneet Syksyn 2018 Tiedon esittäminen maantieteessä -kurssilla käyttäen CorelDraw-ohjelmistoa. Kuten CorelDraw-ohjelmistossa QGIS:sissäkin hyödynnetään erilaisia tasoja karttojen teossa. Tasoja käytetään kuvaamaan reaalimaailman ilmiöitä ja jokaiselle ilmiölle on oma tasonsa. Kyseisen kartan tapauksessa (Kuva 1.) tasoja käytettiin apuna kuvaamaan typen määrää. Typen määrästä ei ollut saatavilla tietoa jokaiselta valtion alueelta, jonka seurauksena osa valtioista olisi hävinnyt kartalta kokonaan ja kartasta olisi tullut sekava ja vaikeasti luettava. Kartassa laitoimme alimmaiseksi tasoksi kaikkien valtioiden rajat näyttävän tason, jonka päälle loimme tason, joka kuvaa typen määrää tiettyjen valtioiden alueilla. (Kuva 1.) Näin saimme kartasta helpommin luettavan.

Kartan teossa värien käyttöön ja valitsemiseen on hyvä käyttää aikaa ja ajatustyötä. Vääränlaisten värien käyttö voi vääristää tietoa ja hämätä kartan lukijaa. Esimerkiksi vihreän ja sinisen käyttö voi sekoittua maaston/vesistön väreihin ja tehdä kartasta vaikealukuisen. Tämän virheen tein viime syksyn Tiedon esittäminen maantieteessä -kurssilla, jossa harjoittelimme mm. teemakarttojen tekemistä. Päädyin samankaltaiseen valintaan Elisa Ahon kanssa ja valitsin kartan väreiksi punaisen väriskaalan, sillä typpipäästöt koetaan huonoksi ja negatiiviseksi asiaksi, minkä vuoksi punainen väri sopii mielestäni kuvaamaan sitä hyvin. (Kuva 1.) Punainen väriskaala on muutenkin mielestäni helpoin erottaa taustasta. [Edit: Alla oleva kartta on uusi versio alkuperäisestä kartasta. Muokkasin kartan värejä maanläheisempään suuntaan ja parantelin karttaa muutenkin siistimpään asuun kurssin edetessä karttuneilla taidoillani. Ruskean sävyt ajavat kuitenkin mielestäni saman asian kuin punaisen sävyt kuvatessa typpipäästöjen (eli käytännössä saasteiden) määrää]

Luokkarajoiksi valitsimme luonnolliset luokkarajat. Kuulemma yksi turvallisemmista luokkarajoista käyttää, jos ei tiedä mitä rajoja käyttää. Luokkarajat ovat ainakin minulle olleet vaikeita ymmärtää. Eri luokkarajat luovat tiedosta eri näköisiä teemakarttoja, jotka voivat helposti olla harhaanjohtavia. Luokkarajoilla voi yllättävän paljon vaikuttaa kartan ulkonäköön ja siten ihmisten mielikuviin kyseisestä ilmiöstä. Tämän asian kanssa haluan ehdottomasti vielä töitä, sillä luokkarajojen oikeanlainen käyttö tuntuu vaikealta ja epäilen osaanko valita oikeanlaiset luokkarajat.

Minulle oli hyödyllistä  tehdä täysin sama kartta kotona itsenäisesti pari kertaa uudelleen. Ensimmäiseen itsenäisesti tekemääni karttaan tuli jossain kohtaa attribuuttitaulukkoa muokatessa virhe, mutta toisella yrityksellä kaikki oli jo helpompaa ja kartasta tuli hyvä. Kartan tekijän (eli minun) pitääkin arvioida työtään virheiden varalta ja toivottavasti muistan sen vastaisuudessakin. Oppimisen kannalta toisto on ehkä omalta kannaltani osoittautunut hyödyllisimmäksi opiskelukeinoksi. Kun itsenäisesti joutuu kokeilemaan ja muistelemaan työvaiheita, sekä kertaamaan opittuja asioita, ne tuntuvat jäävän mieleen paremmin.

Mielestäni tekemästäni kartasta tuli selkeä ja luettava. (Kuva 1.) Olen tyytyväinen kartan väritykseen ja väriskaalaan, toivon että ne näyttävät hyvältä muillakin näytöillä ja värit on helppo erottaa toisistaan. En tiedä olisiko tässä kartassa tarvinnut esittää syvyyskäyriä, mutta jätin ne karttaan koska näin teimme kurssikerran aikana, mutta mielestäni ne eivät lisää typpipäästöjen osalta tärkeää tietoa. Ne eivät kuitenkaan häiritse visuaalisesti liikaa.

 

Lähteet:

• Elisa Aho. Harjoitus 1. Luettu: 25.1.2019.  https://blogs.helsinki.fi/elqaho/2019/01/19/harjoitus-1/
• Susanna Kukkavuori. Paikkatiedosta teoriassa ja käytännössä. Luettu: 25.1.2019. https://blogs.helsinki.fi/kukkasus/2019/01/22/paikkatiedosta-teoriassa-ja-kaytannossa/