QGIS ja projektioiden vertailua

Ladattavat aineistot

Luennon aluksi tutustuimme maksuttomiin verkkoaineistoihin, joita tuottaa ja tarjoaa esimerkiksi Väylävirasto ja Maanmittauslaitos. Opettelin lataamaan sekä muokkaamaan WFS -aineistojen dataa QGIS:llä. Lataaminen oli yllättävän helppoa ja yksinkertaista (kiitos valmiin palveluosoitelistan). Avoimen datan määrä mahdollistaa yhä monipuolisemmat tutkimusmahdollisuudet ja onkin hienoa, että käytössämme on enemmän helposti saatavia verkkoaineistoja kuin koskaan.

Luennon harjoitukset

Karttaprojektiosta riippuen alueen pinta-ala vääristyy aina tietyn verran. Havainnoimme projektioiden välisiä eroja GQIS:n mittatyökalulla. Jotta projektioiden väliset erot voisi havainnoida paremmin, visualisoimme niistä kartan. Työkalujen käyttö oli helppoa eikä suurempia hankaluuksia ilmennyt.

Kartoissa näkyy projektioiden välinen vääristymäkerroin. Mitä pohjoisemmaksi mennään sitä suurempi vääristymä on. Valitsin karttoihin värit ajatuksena, että tummempi väri kuvastaa suurempaa vääristymää. Ensimmäisessä kartassa vertailun kohteena on ETRSTM35FIN -tasokoordinaatisto ja Robinsonin projektio (kuva 1).

Robinsonin projektiota voi kutsua “kompromissiprojektioksi”, sillä kartan virheet pyritään minimoimaan, mutta mikään ominaisuus ei ole täysin oikein (Luoma, A. 2023).

Kuva 1: ETRS TM35FIN vs Robinsonin projektio

Toisessa kartassa vertailussa on ETRSTM35FIN -tasokoordinaatisto ja Mercatorin projektio (kuva 2). Mercatorin projektio on oikeakulmainen projektio, joka näyttää ilmansuuntien kulmat oikein (Luoma, A. 2023).

Myös Antti Pihlavisto (2024) oli valinnut nämä projektiot karttaansa, mutta tulokset hänen kartassaan näyttävät hieman erilaisilta.  Omassa kartassani on seitsemän väriluokkaa ja Antilla viisi. Tämä ei kuitenkaan selitä sitä, miksi myös luvut ovat kartoissamme erilaiset.

Esitän itse kartassani vääristymäkerrointa, Antti taas alueellisia eroja prosentteina. Mercatorin projektioita oli QGIS:ssä tarjolla useampi, joten saattaa olla että niiden välillä on myös eroja. Jos muuttaisin vääristymäkertoimen prosenteiksi, luvuista tulisi suunnilleen samanlaisia Antin kartassa esiintyvien lukujen kanssa. Onkin hauska havaita, että vaikka tehtävänanto on sama, tuloksia voi esittää useammalla tavalla.

Kuva 2: ETRS TM35FIN vs Mercatorin projektio

 

Lähteet:

Luoma, A. S. M. (20.2.2023). Projektion valinta [oppimateriaali]. Viitattu 30.1.2024. https://storymaps.arcgis.com/stories/23965661a11d4378b548ec1deb77065c

Pihlavisto, A. (2024). Toinen kurssikerta [blogikirjoitus]. ANTIN GIS BLOGI 25.1.2024. Viitattu 30.1.2024. https://blogs.helsinki.fi/anttipih/

 

GIS-luolan ovet avautuvat

Kurssin aloitus

Geoinformatiikan menetelmät 1 -kurssin aikana kirjoitamme blogia tekemistämme harjoituksista ja oivalluksista. Voitin Sisu-lotossa aikaisen aamuluennon perjantaille, joten vireystasoani luennoilla saattaakin kuvata parhaiten sana ✦puoliuninen✦. Onneksi GIS-luokan huono ilmanvaihto ja tuolin epämukava selkänoja pitävät huolen siitä, ettei oloni ole koskaan niin mukava, että vahingossakaan torkahtaisin paikoilleni.

Luennolla kertasimme ensin hieman paikkatiedon perusteita. Sen jälkeen aloitimme tekemään harjoitusta QGIS-ohjelmaa käyttäen. Ohjelma on minulle ja usealle muulle fuksille entuudestaan tuttu johdatus geoinformatiikkaan -kurssilta. Emme kuitenkaan ehtineet harjoitella sen käyttöä kuin muutamassa tehtävässä, joten tietoni ja taitoni ovat rajalliset. GIS-welhon tie on pitkä ja buginen – tai jotain sinnepäin?

Harjoitus Itämeren alueen typpipäästöistä

Tehtävän tarkoituksena oli luoda koropleettikartta, joka havainnollistaa Itämeren typpipäästöt maittain (kuva 1). Tehtävän tekeminen onnistui hyvin, kun seurasi annettuja ohjeita. Toisaalta jos huomio herpaantui hetkeksikin, saattoi löytää itsensä umpikujasta. Vaikein osuus tehtävässä oli attribuuttitaulukon muokkaaminen ja SQL-komentojen muisteleminen. Onneksi nekin käytiin vaihe vaiheelta läpi ja luennon jälkeen vaiheet pystyi vielä tarkistamaan kirjallisesti.

Olen kartan lopputulokseen melko tyytyväinen. Värivalintoja olisi kuitenkin voinut vielä hioa esimerkiksi veden syvyyttä kuvaavien korkeuskäyrien kohdalla. Luettuani Aura Niskasen (2024) blogia huomasin, että olisi ollut loistoidea lisätä myös ainakin Itämeren typpipäästöjen kannalta tärkeiden maiden nimet karttaan. Noh, ensi kerralla sitten.

Valitettavasti datan alkuperästä ja julkaisuajankohdasta ei kurssitehtävässä tai ladattavassa zip-tiedostossa ollut selkeää tietoa. Ainakin merialueen data kartassa on peräisin HELCOM:in kartta- ja datapalvelusta, joka on EU:n rahoittama (HELCOM Data & Maps, 2024).

Kuva 1: Itämeren alueen typpipäästöt maittain

Itsenäinen harjoitus Suomen kunnista

Saimme luennon lopuksi kotitehtävän tuottaa oma koropleettikartta valituista muuttujista Suomen kunnissa. Tehtävän ideana oli muistella luennolla opittuja taitoja. Tehtävän tekeminen olikin nopeaa, kun osasi navigoida QGIS:ssä. Jäin itse pidemmäksi aikaa jumiin, kun en saanut eriteltyä haluamiani arvoja karttaan. Virhe johtui siitä, etten ollut säätänyt Mode -kohtaa oikein (kuva 2). Onneksi pikainen helppi kaverilta auttoi eteenpäin ja loppu työstä sujui vaivattomasti.

Kuva 2: QGIS mode

Visualisoin omaan karttaani Ulkomaalaisten kansalaisten osuuden Suomen kunnissa (kuva 3). Otin opin haltuun ja valitsin karttaan neutraalin värimaailman. Esimerkiksi punaisen ja vihreän sävyihin liitetään yleisesti negatiivinen/positiivinen mielikuva, jonka syntymistä tässä kartassa pyrin välttämään.


Kuva 3: Ulkomaalaisten kansalaisten osuus Suomen kunnissa (%)

Karttaa tarkastelemalla käy ilmi, että ulkomaalaisia kansalaisia on keskittynyt etenkin Ahvenanmaalle, pääkaupunkiseudulle ja länsirannikon tuntumaan. Ahvenanmaan ja länsirannikon osuutta selittää luultavimmin ruotsalaisten määrä. Pääkaupunkiseudulla taas on erityinen vetovoima ja ulkomaalaisten osuus on suurempi. Huomasin, että Usko Sinervo (2024) päätyi myös samanlaisiin tuloksiin hänen kartassaan. Pienet erot karttojen välillä selittyvät sillä, että omassa kartassani  väriluokkia on vain neljä, kun taas Uskon kartassa niitä on viisi kappaletta.

Tämänkään kartan datan alkuperästä ja julkaisuajankohdasta ei liioin löydy tietoa. QGIS:n attribuuttitaulukon mukaan data on vuodelta 2022. Henrikki Kopsa (2024) on päätynyt omassa blogissaan samaan tulokseen datan julkaisuvuodesta. Saattaa kuitenkin olla, että kumpikaan meistä ei ole onnistunut kaivamaan oikeaa tietoa, joten pieni varautuminen on paikallaan.

 

Lähteet

HELCOM. (julkaisuaika tuntematon). Data & Maps. Haettu 22.1.2024 osoitteesta https://helcom.fi/baltic-sea-trends/data-maps/

Kopsa, H. (2024). Geoinformatiikan menetelmät 1, eka luento/työpaja! [blogikirjoitus]. Henrikin blogi 22.1.2024. Viitattu 22.1.2024. https://blogs.helsinki.fi/hekopsa/

Niskanen, A. (2024). Ensimmäinen kurssikerta [blogikirjoitus]. Auran Blogi 17.1.2024. Viitattu 22.1.2024. https://blogs.helsinki.fi/niskanau/

Sinervo, U. (2024). Viikko 1 – QGIS tutuksi [blogikirjoitus]. Uskollinen GIS-blogi 19.1.2024. Viitattu 22.1.2024. https://blogs.helsinki.fi/usko/