Intermission: Mercator?

Onko Mercatorin projektio todella niin huono?

 

Kurssin toinen opetuskerta, ja erityisesti siellä annetut tehtävät ovat poikineet melko voimakasta ja ehdotonta keskustelua karttaprojektioista. Erityisenä arvostelun ja kritisoinnin kohteena on ollut Mercatorin projektio, tarkemmin ottaen sen versio, joka QGISin valikoista löytyy nimellä Mercator Sphere. Kyseessä on siis oikeakulmainen projektio, joka on suunniteltu koko maapallon kuvaamiseen siten, että suuntakulmat säilyvät oikeina paikasta riippumatta. Projektion laatija Gerhardus Mercator oli 1500-luvulla reilusti aikaansa edellä: hän onnistui laatimaan merenkulkuun erittäin hyvin soveltuvan karttaprojektion kauan ennen kuin kukaan maailmassa olisi osannut päätyä samaan lopputulokseen matemaattisesti. Koska Mercatorin projektio on oikeakulmainen, ja koska maapallo ei ole kaksiulotteinen taso, kärsivät kartan jotkut ominaisuudet. Gerhardus-vainaa pahoittaisi varmasti mielensä, jos kuulisi kuinka rumasti hänen mestarityöstään tänä päivänä puhutaan. Sitä syytetään toisinaan jopa rasistiseksi (Palmer, N., 2014)

On selvää, että yksikään karttaprojektio ei pysty säilyttämään maapallon pinnan kaikkia ominaisuuksia. Mercatorin projektion ansio on se, että sen avulla navigointi merellä helpottui huomattavasti. Sen avulla ei kuitenkaan ole järkevää vertailla pinta-aloja. Ongelma syntyykin sillä hetkellä, kun kartta valitaan tietoisesti poliittiseksi välineeksi: Mercatorin projektion käyttäminen mahdollisti tehokkaan merenkulun, imperialismin ja Euroopan rikastumisen ja pääsyn valta-asemaan. Sitä on kuin onkin käytetty vuosisatojen ajan maailmankarttojen projektiona, koska se korostaa pohjoisen pallonpuoliskon alueiden roolia. Tämä ei kuitenkaan johdu Gerhardus Mercatorin tyhmyydestä tai pahuudesta, vaan väärän projektion valitsemisesta erilaisten ilmiöiden kuvaamiseen. Post-imperialismi ja merkantilistisen talouden luoma asetelma eri maanosien välille ei ole mikään vitsi, vaan todellinen ongelma. Vaikka muodolliset isäntämaa-siirtomaa suhteet ovatkin jo pääpiirteittäin historiaa, ovat länsimaiset yritykset jatkaneet entisten siirtomaiden riistämistä ja hyötyneet niistä taloudellisesti paikallisten ihmisten hyvinvoinnin kustannuksella. Kuten kaikki saimme harjoitusta tehdessämme todeta, soveltuu ko. projektio huonosti kuvaamaan esimerkiksi Inarin väestöntiheyttä tai Suomen pinta-alaa suhteessaa Eritrean pinta-alaan. Jos tarkoituksena olisi päästä laivalla Suomesta Eritreaan, olisi Mercator Sphere erinomainen valinta, ja sillä löytäisi hyvin perille.

Kaikki on kiinni käyttötarkoituksesta, näkökulmasta ja vastuullisesta toiminnasta kartografina. Kartta voi olla vallan ja propagandan väline, tai se voi olla korvaamaton apuväline ja totuuteen pyrkivä: Mercatorin projektiota voi käyttää imperialismin ja eurosentrisen maailmankuvan pönkittäjänä. Toisaalta samaan ideaan perustuva ETRS-TM35-FIN toimii peruskarttojemme projektiona. Kysymys ei siis ole vain yksittäisen projektion huonoudesta tai hyvyydestä, vaan laajemmin siitä, miten tärkeää oikean projektion valitseminen on.

Tässä vähän ajatuksia aiheesta, kommentoikaa toki.

 

Lähteet:

Palmer, Nathan (2014): “Your map is racist, and here’s why”. Sociology in focus, 2014. http://sociologyinfocus.com/2014/03/your-map-is-racist-and-heres-how/#fn:1

https://fi.wikipedia.org/wiki/Gerhardus_Mercator

 

Round IV

Erimuotoisia aineistoja

Neljännen kurssikerran aloitimme tutkimalla QGISin ruudukkotyökalua. Käytettävissä oleva aineisto kuvasi pääkaupunkiseudun väestöä ja asumista erittäin tarkasti: jokainen rakennus oli kuvattu pisteellä, johon oli liitetty tieto esimerkiksi rakennuksessa asuvien ihmisten iästä ja sukupuolesta. Tämä suuri pistetietokanta liitettiin QGISin avulla luotuun ruudukkoon. Esitystarkkuus ei siis ollut enää yhtä korkea, mutta toisaalta aineiston visualisointi ja hahmottaminen ruudukon avulla on huomattavasti helpompaa.

Tehtävänä oli tehdä ruutukarttaesitys jostakin väestöllisestä muuttujasta. Oheinen kartta (kuva 1) kuvaa alle 15-vuotiaiden lasten osuutta koko väestöstä 500×500 metrin ruudukossa. Jokaisen ikäluokan (0-14) sarakkeet on laskettu yhteen, minkä jälkeen saatu summa on suhteutettu ruudun kokonaisasukaslukuun. Lopullisesta esityksestä on jätetty pois sellaiset ruudut joiden alueella A) ei ole asukkaita ja B) asuu alle 20 alle 15-vuotiasta lasta. Rajaus on tehty koska ensimmäisessä ei-rajatussa versiossa jotkut Pohjois-Espoon (yleensä muutaman asukkaan) ruudut saivat todella korkeita arvoja, mikä vaikeutti luokittelua ja kokonaisuuden tulkintaa ja siitä tehtäviä mahdollisia johtopäätöksiä.

Ruutukartta on hyvä analyysityökalu, ja se tarjoaa ilmiöiden tutkimiseen hieman toisenlaisen näkökulman kuin tavalliset koropleettikartat: koska kaikki alueyksiköt ovat keskenään saman kokoisia, voi niillä esittää myös absoluuttisia lukuarvoja. Kartalla, jonka aluejako koostuu valmiista alueyksiköistä (esim. kunnat tai valuma-alueet), voidaan vertailla vain suhdelukuja. Laatimallani kartalla on kuitenkin päädytty esittämään suhdelukuja, sillä tarkasteltavaa ilmiötä on luonnollisempaa kuvata suhteessa kokonaisväestöön. Varpu Savolaisen blogissaan tekemä oivallus luokittelun päällekkäisyydestä  kiinnitti huomion myös omaan karttaani, ja huomasin saman ongelman vasta blogimerkintää viimeistellessäni.

Eemil Becker laati blogiinsa hienon kartan, joka esittää ruudukon avulla rakennusten keskimääräistä ikää.

Kuva 1. Alle 15-vuotiaiden osuus väestöstä Pääkaupunkiseudulla, 500 x 500 metrin ruudukossa. Huomaa Helsinginniemen matalammat luokat ja sitä ympäröivän Lounais-Espoosta Pohjois-Helsingin ja Vantaan kautta Itä-Helsinkiin etenevä vyöhyke.

 

Kurssikerralla tutustuttiin myös rasterimuotoiseen paikkatietoon. Sen käsittely QGISissä tuntui aluksi muutaman viikon rasteridatan käytön jälkeen melko työläältä ja hitaalta, mutta alkoi nopeasti avautua. Käytössämme oli maanmittauslaitoksen korkeusmalliaineisto Pornaisista. Sen pohjalta oli mahdollista laatia rinnevarjostuksia ja korkeuskäyriä. Yleisesti rasteridata tuntui kuitenkin hieman raskaalta käyttää. Oheisessa kuvakaappauksessa (kuva 2) on peruskarttalehden M4114 esittämän alueen korkeusmalli, joka on esitetty väärävärikuvana. Siitä on myös luotu QGISin avulla rinnevarjostus ja korkeuskäyrät. Kuvasta on löydettävissä erilaisia geomorfologisia muodostumia, esimerkiksi järven itärantaa pitkin etenevä harju. Korkeuskäyrien “ekstraktointiin” käytin r.contour.step-työkalua, jolla oli mahdollista valita käyrien keskinäisen välityksen lisäksi myös matalin ja korkein esitettävä arvo. Tällä tavoin oli mahdollista saada viivat kuvaamaan samoja korkeuksia kuin peruskartassa.

 

Kuva 2. Korkeusmalli Hämeenlinnan Iittalasta, Vanajaveden lounaspuolelta. Vanajaveden pinta on noin 79,8 metriä merenpinnan yläpuolella, joten 80 metrin käyrä seurailee siististi rantaviivaa. Käyrät viiden metrin välein.

Korkeuskäyrät näyttävät pääpiirteittäin samalta kuin peruskarttalehdellä, mutta kulkevat paikoin hieman eri reittiä, ja niiden välit ovat harvemmat kuin peruskartalla (kuva 3). Pääpiirteittäin ne näyttäisivät noudattavan samoja linjoja, ja samat maastonmuodot on tunnistettavissa sekä korkeusmallin että peruskartan pohjalta, mutta algoritmi näyttäisi olevan paikoin “liiankin tarkka”. Algoritmi laskee käyrät hyvin tarkasti ja ainoastaan korkeusmalliaineiston pohjalta: se ottaa huomioon niin peltojen kyntöurat ja ojitukset kuin “oikeat” maastonmuodotkin. Se saattaa myös huomioda sellaisia kohteita, jotka karttaan merkittäisiin pistemäisinä: esimerkiksi rakennuksia tai suuria kiviä. Tämä puolestaan vaikuttaa kartan tulkittavuuteen: peruskartan pelkistetyt käyrät ovat selkeämmät ja helpommin luettavissa.

 

Kuva 3. Kuvakaappaus peruskarttalehdeltä M4114R. Korkeuskäyrät ovat huomattavasti pehmeämpiä ja selkeämpiä kuin suoraan laserkeilausaineiston pohjalta lasketut käyrät. Kivet ja kuopat on merkitty omilla pistemäisillä symboleillaan. Tunturivuori on löydettävissä myös korkeusmallista (kuva 2). Se on kaikkein itäisin Vanajaveden länsipuolisista suurista kohoumista.

 

Lähteet:

Varpu Savolaisen blogi: https://blogs.helsinki.fi/sadvarpu/

Eemil Beckerin blogi: https://blogs.helsinki.fi/beemil/2018/02/08/kurssikerta-4/

Peruskartta 1:20 000. Lehti M4114R Iittala. Maanmittauslaitos, 2007.

Round III

Kolmannella kurssikerralla ohjelman perustavanlaatuisimmat toiminnot alkoivat olla hallussa, ja uusien asioiden hahmottaminenkin alkoi tuntua jo hieman helpommalta. Edellisen kerran asioita syvennettiin, ja pääsimme tutustumaan tietokantaliitoksiin, sekä “ulkopuolisen” tiedon lisäämiseen QGISiin.

Lähtöaineistomme oli erittäin tarkka shp-tiedosto Afrikasta. Se koostui sadoista polygoneista, jotka oli varustettu tiedolla siitä, mihin maahan ne kuuluvat. Tätä tietoa hyväksikäyttämällä oli mahdollista tehdä kyselyjä ja liittää samalle maalle kuuluvat polygonit yhdeksi objektiksi. Koska Afrikassa on yli 50 maata, oli helpointa käyttää Dissolve-nimistä toimintoa, jolla tietokannan rivejä pystyy yhdistelemään toisiinsa valitun sarakkeen tiedon perusteella. Tässä tapauksessa oli helpointa valita joko maan nimi tai sen kolmikirjaiminen koodi, ja antaa algoritmin hoitaa loput. Kun tietokanta oli saatu järkevämpään muotoon, aloimme liittää siihen muita tiedostoja, kuten tietoja luonnonvaroista, konflikteista ja internetin käyttöasteesta maittain. Kun tietokannoista oli saatu yhdisteltyä järkevä määrä tietoa “päätietokantaan” erilaisin menetelmin, oli mahdollista laatia erilaisia visualisointeja. Oheinen kartta (kuva 1) esittää konfliktien pitkittyneisyyttä Afrikan eri maissa, ja se perustuu aineiston konfliktitietokantaan. Esitettynä on tieto siitä, kuinka monena eri vuonna kussakin maassa on ollut tilastoitu konflikti.

Kuva 1. Konfliktivuosien lukumäärä (1945-2008) Afrikassa maittain.

Alun perin tarkoituksenani oli suhteuttaa tuo absoluuttinen luku maiden itsenäisyyden kestoon, mutta en onnistunut lataamaan haluamaani itsenäistymisvuodet sisältävää tietokantaa wikipediasta. Näin ollen oli tyydyttävä yksinkertaisempaan esitykseen, jossa aikaikkunana on tietokannan tilastointijakso 1945-2008. Monet Afrikan maat ovat ajautuneet pitkiin ja monimutkaisiin konflikteihin juuri itsenäistymisensä yhteydessä, ja ilmeisesti myös luonnonvaroilla on ollut paikoin yhteiskunnallista vakautta järkyttävä vaikutus. On mielenkiintoista huomata kuinka vähän alimpaan luokkaan kuuluvia maita on.

Kurssikerran toista tehtävää varten saatu aineisto esitti Suomen valuma-alueita. Niihin oli mahdollista liittää kurssikerralla opetelluilla tavoilla lisää lähinnä vesistöjä koskevaa tietoa. Tietokannat sisälsivät tietoa muun muassa eri valuma-alueiden virtaamista, ja niiden perusteella oli mahdollista laskea tulvaindeksi. Oheinen kartta (kuva 2) havainnollistaa kyseisen muuttujaa eri värein. Kartalla näkyvät ympyrädiagrammit puolestaan kuvaavat järvien osuutta kunkin valuma-alueen kokonaispinta-alasta. Eemil Becker havainnollistaa blogissaan järvisyyden ja tulvaindeksin välistä yhteyttä. Valuma-alueet joilla on paljon järviä, saavat tulvaindeksivertailussa yleensä matalamman arvon kuin vähäjärviset valuma-alueet. Järvet toimivatkin veden varastoina, eikä tulva pääse syntymään yhtä helposti.

 

Kuva 2. Valuma-alueet tulvaindeksin mukaan. Ympyrädiagrammit kuvaavat järvien osuutta valuma-alueen kokonaispinta-alasta.

 

 

Lähteet:

Eemil Beckerin blogi: https://blogs.helsinki.fi/beemil/2018/02/01/harjoituskerta-3-lisaa-soveltamista/

 

Round II

Toisella kurssikerralla pääsimme jo hieman syvällisemmin perehtymään QGIS-ohjelman toimintoihin ja uuden datan luomiseen. Vaikka varsinaista teorian kertaamista ei tällä kertaa ollut, tuli tehtävien kautta kerrattua erilaisten karttaprojektioiden ominaisuuksia ja erityisesti niiden keskinäisiä eroja. Sen lisäksi, että opimme teknisesti käyttämään paikkatieto-ohjelman työkaluja kasvaa tehtävien myötä myös ymmärrys maantieteellisistä ilmiöistä. Kuten edellisessä päivityksessäni totesin, on käytännön työskentely mukavaa vaihtelua teoriaopintoihin, mutta sen lisäksi sen avulla voi oppia hahmottamaan jo opittuja asioita entistä paremmin.

Käytettävä aineisto oli Tilastokeskuksen kuntatietokanta vuodelta 2015. Se sisältää väestöllistä perustietoa kunnittain, ja on jo sellaisenaan monikäyttöinen. Kun ollaan tekemisissä paikkatieto-ohjelmiston kanssa, oleellista on ilmiöiden alueellisuus ja sijainti. Taulukossa oleva tieto on yhdistetty sijaintiin sekä kunnan nimen että koordinaattien perusteella, mikä mahdollistaa ilmiöiden alueellisen tarkastelun. Oheinen kartta perustuu käyttämämme tietokannan tietoihin, ja se kuvaa eläkeläisten suhteellista osuutta väestöstä kunnittain (kuva 1).

Kuva 1. Eläkeläisten osuus väestöstä kunnittain. Korkeimpaan luokkaan kuuluvat kunnat ovat lähes poikkeuksetta maaseudun muuttotappiokuntia, joissa kokonaisväkiluku on pienehkö. Kartta vahvistaa käsitystä kaupungistuvasta Suomesta, jossa maaseudulle ja haja-asutusalueille jäävästä väestöstä suuri osa on eläkeläisiä.

 

Tätä ja useita muita väestöllisiä ilmiöitä tarkastellessa ei kartan geometrialla, projektiolla tai maantieteellisellä laskennalla ole suurta vaikutusta lopputulokseen, vaan kartta toimii apuvälineenä ilmiön alueellisuuden hahmottamisessa. Kun puolestaan tarkastellaan ilmiöitä, jotka liittyvät pinta-alaan, tulee nämä asiat huomioida. Erilaisilla projektioilla saadaan esimerkiksi väestöntiheyttä laskettaessa hyvinkin erilaisia tuloksia. Euroopan komissio suosittelee pinta-alaa tarkasteltaessa käytettäväksi Lambertin oikeapintaista tasoprojektiota, jolla saadaan melko tarkasti todellisuutta vastaavia mittauksia sijainnista riippumatta. Yleisesti käytetty (ja kritisoitu) Mercatorin projektio puolestaan on tunnettu siitä, että se vääristää juurikin pinta-aloja. Oheisessa kartassa on havainnollistettu kahden em. projektion pohjalta lasketun väestöntiheyden prosentuaalisia eroja (Kuva 2).

Kuva 2. Mercatorin ja Lambertin oikeapintaisen tasoprojektion välinen ero väestöntiheyttä mitattaessa.

 

Kuvassa on selkeä trendi, jossa vääristymä kasvaa pohjoista kohden. Pieninkin arvo on 295%, mikä on jo merkittävän suuri ero, ja vääristää kartan pohjalta tehtyjä tulkintoja. Oikea projektion valinta on siis tärkeää erityisesti pinta-alaan suhteutettuja suureita mitattaessa, sillä luultavasti harva “maallikko” ryhtyy itse analysoimaan valmiita karttoja kovin tarkasti itse. Tämä tehtävä toimi sopivana herättelynä myös ainakin minulle. Omaa tehtävääni varten tarkastelin jo kurssikerralla käytettyjä projektioita, koska lopputulos on siinä mielestäni selkeä ja miellyttävän näköinen. Eveliina Sirolan blogista löytyvä kartta on tehty vaihtoehtoisia projektioita käyttäen, ja siinä Suomi saa toisenlaisella tavalla etenevän värityksen. Erot eivät kuitenkaan ole yhtä dramaattisia kuin Mercator Sphereä vertaillessa. Lopputulos on mielestäni onnistunut.

 

Round I

Ensikosketus geoinformatiikkaan käytännössä

Geoinformatiikan menetelmät -kurssi aloitti kertaamalla syksyn peruskurssin perussisältöjä, eli paikkatiedon luonnetta ja ominaisuuksia. Tämänkaltainen muistinvirkistys oli mielestäni tervetullut: kun perusasiat ovat kunnossa ja tuoreessa muistissa, on helpompi alkaa kerryttämään uutta osaamista. Kertauksesta siirryttiin kuitenkin nopeasti itse asiaan. Mainittakoon tässä, että pienryhmämuotoinen opetus tuntuu tehokkaalta etenkin käytännön asioiden harjoittelussa. Kurssin aikana käytetään QGIS-nimistä paikkatieto-ohjelmaa, ja aloitimme sen käytön opettelun jo ensimmäisellä kerralla. Mielestäni oli mukavaa laittaa heti “kädet saveen”, ja ruveta tekemään käytännönläheisiä asioita: vaihtelu virkistää erityisesti varsin teoriapainotteisen syksyn jälkeen.

QGIS on avoimen lähdekoodin ohjelma (FOSS), mikä tarkoittaa sitä, että kuka tahansa voi käyttää, muokata, kehittää tai levittää ohjelmaa. QGIS:n käyttö opetuksessa tuntuu seurailevan viimeaikaista kehitystä, jossa juuri avoimen lähdekoodin ohjelmat ovat kustannustehokkuutensa ja mukautettavuutensa vuoksi kasvattaneet markkinaosuuttaan useilla aloilla (Steiniger & Hunter, 2012). Olin itseasiassa ottanut ohjelmaan tutustumisessa eräänlaisen varaslähdön, ja ladannut sen omalle koneelleni syksyllä. Pelkän googlen avulla opettelu tuntui kuitenkin tuolloin raskaalta, ja oli mukavaa saada asiantuntevaa opastusta.

Kurssikerran tavoitteena oli tuottaa paikkatietoaineston pohjalta kartta (kuva 1), samalla tutustuen ohjelmiston perustoimintoihin ja käydä läpi yksinkertaisia tietokantojen perusasioita. Koska käytin ohjelmaa kunnolla ensimmäistä kertaa kurssikerralla, syntyi ensimmäinen kartta käytännössä “tee perässä”-menetelmällä. Vaikka tämänkaltaisesta pedagogiikasta on joillain vielä kipeitä (ehkä tuoreitakin) muistoja, tuntuu se toimivalta ratkaisulta erityisesti perusasioiden harjoittelussa. Koen kokeilevan ongelmanratkaisun olevan itselleni luontevampi tapa oppia, mutta sen käyttäminen edellyttää kuitenkin tietyntasoista perusosaamista. On myönnettävä, että ensimmäinen kosketus QGISin käyttöön tuntui hämmentävältä, koska  oma kokemukseni vastaavantyyppisistä ohjelmistoista oli kapeahko.

Ensimmäisen kurssikerran aineistoista oli tavoitteena saada aikaan kartta, joka havainnollistaa valtioiden suhteellisia osuuksia Itämeren typpikuormituksesta. Käytössä olleista aineistoista osa ei päätynyt lopulliseen karttaan ja jälkiviisaasti voinee todeta, että enemmänkin olisi voinut jättää pois: muun muassa Eemilin blogissa on tehty päätös syvyyskärien pois jättämisestä, ja mielestäni lopputulos on toimiva. Luokkia kuvaava väriskaala on melko perinteinen oranssin ja punaisen eri sävyjä käyttävä liukuma, joka sopii mielestäni hyvin kuvaamaan ilmiötä, jota kartta havainnollistaa.

Kuva 1. Itämeren valuma-alueen maiden osuudet typpikuormituksesta. Huomaa, että valuma-aluetta ei ole merkitty karttaan.

 

Typellä on merkittävä rooli vesiekosysteemien toiminnassa. Se horjuttaa Itämeren herkkien ekosysteemien luonnollista tasapainoa ensisijaisesti ruokkimalla levien liikakasvua ja toisaalta aiheuttamalla syvemmillä alueilla pohjan happikatoa. Ihmisen tuottama typpikuormitus on peräisin ensisijaisesti maataloudesta ja jätevesistä. Kartta osoittaa selvästi, että suurin yksittäinen kuormittaja on Puola. Se on Euroopan suurimpia maatalousmaita, ja yleinen asenne ympäristöasioita ja erityisesti EU:n sääntelyä kohtaan on nihkeä. On huomionarvoista, että Tanska, Saksa ja erityisesti Venäjä laskevat jätevesiään myös muihin meriin. Itämeren valuma-alueeseen kuuluva osa Saksassa on vain pieni kaistale maan koillisnurkassa, Venäjällä se on hieman Baltiaa isompi, mutta sillä asuvien ihmisten määrä on kohtalaisen suuri. Pelkästään Pietarissa asuu lähes viisi miljoonaa ihmistä, ja vuosikymmenten ajan on kaupungin ja sen lähialueiden jätevesi valunut enemmän tai vähemmän suodattamattomana Itämereen. Valuma-alueen kokoa ja muotoa havainnollistetaan kuvassa 2.  Vedenpuhdistusteknologia ja siihen liittyvä infrastruktuuri on myös pitkään ollut Venäjällä varsin vaatimatonta verrattuna esimerkiksi Pohjoismaihin.

 

 

 

Kuva 2. Itämeren valuma-alue. Valuma-alueella on yhteensä 14 valtiota, ja sillä asuu  kymmeniä miljoonia ihmisiä. 

 

Lähteet:

Eemil Beckerin blogi: https://blogs.helsinki.fi/beemil/2018/01/26/ensimmainen-kurssikerta/

https://www.jarviwiki.fi/wiki/Typpi