Kuukausi: tammikuu 2024

Johdanto

Toisella kurssikerralla jatkoimme QGIS-ohjelman käytön opettelua, kävimme läpi erilaisia tietokantoja sekä tutustuimme projektioihin keskittyen erityisesti niihin liittyviin vääristymiin. Lisäksi kävimme läpi tavallisimpien mittaus- ja valintatyökalujen käyttöä, jotka helpottavat valittujen tietokantojen tarkastelua halutuissa osissa. Mielestäni työkalut olivat suhteellisen helppokäyttöisiä ja ohjelmiston käyttö alkoi muutenkin sujumaan ensimmäistä kurssikertaa paremmin, kun monet perustoiminnot olivat jo tuttuja. Tämän lisäksi opin tekemään entistä selkeämpiä ja siistimpiä Excel-taulukkoja, mihin olen erityisen tyytyväinen, koska pidän Excel-taitoja erittäin hyödyllisinä jatkoa ajatellen.

Saimme kurssikerralta myös kotitehtäviä, joiden aiheena oli toteuttaa taulukointi sekä karttavisualisointi projektioiden välisistä eroista. Perehdyn näihin tarkemmin tämän blogin aikana.

Taulukko eri projektioista

Ensimmäisenä tehtävä oli havainnollistaa projektioiden välisiä eroja taulukon avulla (Taulukko 1). Valitsin tätä varten viisi projektiota ja mittasin jokaista niitä käyttäen etäisyyden Suomen käsivarren tyvestä lyhintä reittiä Venäjän rajalle. Lisäksi mittasin eri projektioilla erään, aivan Suomen pohjoisimpaan Lappiin sijoittuvan alueen pinta-alan ja laskin prosentuaaliset erot ETRS-TM35FIN-projektioon verrattuna. Taulukosta voi huomata, kuinka eri projektioiden käyttäminen voi aiheuttaa lopputuloksessa suurtakin heittoa, minkä vuoksi oikean projektion valitseminen on ensisijaisen tärkeää todellisuutta vastaavan lopputuloksen tavoittelussa. Väärän projektion valitseminen voi johtaa tahalliseen tai tahattomaan mielipidevaikuttamiseen ja väärän tiedon levittämiseen.

Valitsemistani projektioista kaikista räikeimmin etäisyyttä ja pinta-alaa vääristää Mercatorin projektio, joka kasvattaa Lapissa mittaamaani alueen pinta-alaa jopa kahdeksan kertaa todellista suuremmaksi. Tiesin jo etukäteen Mercatorin taipumuksesta suurentaa lähellä napoja olevien alueiden kokoa, mutta en osannut odottaa muutoksien olevan näin suuria jo arktisen alueen rajalla. Samoin Van Der Grintenin aiheuttama vääristymä on todella merkittävä sekä etäisyyden että pinta-alan osalta, mikä johtuu Mercatorin tavoin siitä, että kyseessä ei ole oikeapintainen projektio ja kyseisten projektioiden vahvuudet löytyvät muualta.

Myös muiden kokeilemieni projektioiden osalta vääristymää tapahtuu. Yllätyin, kuinka paljon kaikkia virheitä minimoimaan pyrkivät Robinsonin ja Winkel Tripelin -projektiot muuttavat sekä pinta-alaa että etäisyyttä, koska niillä aikaan saatavissa lopputuloksissa virheet näyttävät ainakin omaan silmääni varsin vähäisiltä.

Taulukko 1, välimatkat sekä pinta-alat eri projektioilla sekä suhteessa ETRS-TM35FIN-projektioon (mitattu tasolle).

Projektioiden aiheuttamat erot kartalla

Taulukon ohella kurssikerralla annettiin tehtäväksi muodostaa kolme Suomen kuntien pinta-alaa eri projektioilla visualisoivaa karttaa ETRS-TM35FIN-projektioon verraten. Näistä ensimmäinen tehtiin valmiiksi jo tunnilla, mutta valitettavasti en saanut sitä lähetettyä toimivana kannettavalle tietokoneelleni, joten tein sen uudestaan. Tämä ei kuitenkaan juuri haitannut, koska rutiini kyseisen kartan tekemiseen oli jo löytynyt kurssikerran aikana. Käytännössä karttojen toteuttaminen oli melko yksinkertaista ja osittain kertausta aiemmasta.

Ensimmäisessä kartassa vertaan pinta-aloja Robinsonin projektioon. Kuten kuvasta (Kuva 1) voidaan huomata, myös Robinson aiheuttaa vääristymää ETRS-TM35-projektioon nähden, mutta kuitenkin vielä verrattain maltillisesti. Vääristymät kasvavat pohjoista kohti mentäessä ja asteikon ensimmäisen ja viimeisen tilastoyksikön välisessä pinta-alassa eroa on noin 16 prosenttia. Robinsonin projektio on ollut esimerkiksi National Geographicin käytössä vuoteen 1998 asti (ESRI, n.d).

Itse karttaan olen melko tyytyväinen ja väripaletti nähdäkseni toimii. Peruselementtien luominen (legenda, mittakaava, pohjoisnuoli) sujui myös merkittävästi helpommin ensimmäiseen kurssikertaan verrattuna.

Kuva 1, erot kuntien pinta-alassa Robinsonin ja ETRS-TM35FIN -projektioiden välillä.

Toisessa kartassa valitsin vertailukohteeksi oikeakulmaisiin lieriöprojektioihin kuuluvan Mercatorin, joka vääristää pinta-aloja todella paljon enemmän Robinsoniin verrattuna (Kuva 2). Vähiten vääristyneeseen tilastoyksikköön verrattuna eniten vääristynyt kasvaa yli 100 prosenttia suuremmaksi eli noin 84 prosenttia enemmän suhteessa Robinsonin projektioon. Mielestäni tuntuu melko erikoiselta, kuinka suosittu ja käytetty Mercator on, sillä sen aiheuttamat pinta-alan vääristymät ovat niin merkittäviä, että ne pahimmillaan voivat vaikuttaa ihmisten tapaan hahmottaa maailmaa. Mercatorin muunnelma on käytössä esimerkiksi Googlen ja Bingin kartoissa, joiden käyttäjäkunta on valtavan laaja (Sigdel, R, 2021).

Toteutuksen osalta päädyin samaan väripalettiin, jotta vertailu Robinsonin projektion kanssa olisi mahdollisimman vaivatonta. Tosin, jollakin tavalla eroja voisi pyrkiä tuomaan vielä enemmän esille, kuten myös Jesperi Grönberg pohtii blogissaan (2024) omien karttojensa kohdalla. En kuitenkaan löytänyt tämän toteuttamiseen sopivaa keinoa tai väripalettia.

Kuva 2, erot kuntien pinta-alassa Mercatorin ja ETRS-TM35FIN -projektioiden välillä.

Päätin lopuksi valita tutkittavaksi vielä projektion, jossa vääristymät eivät tapahdu pohjois-etelä-suunnassa. Tämä onnistui hyvin valitsemalla poikittaisen Mercatorin projektion, jossa keskimeridiaani kulkee Irlannin alueella (Kuva 3). Tässä tapauksessa vääristymää tapahtuu tavallisesta Mercatorista poiketen itä-länsi-suunnassa, jonka vuoksi Itä-Suomen pinta-alat kasvavat Länsi-Suomeen verrattuna enemmän. Projektio sopiikin erityisesti pohjois-etelä-suunnassa pitkien valtioiden (ESRI, n.d), kuten Chilen kartoittamiseen. Irlanti sijaitsee kuitenkin vielä sen verran lähellä Suomea, että vääristymät eivät ole kovin merkittäviä.

Teknisessä mielessä kartta onnistui mielestäni kohtuullisen hyvin, mutta tällä kertaa erot väripaletissa olisivat voineet olla hillitympiä. Nyt prosentin sisään mahtuvat erot näyttäytyvät liian suurina.

Kuva 3, erot kuntien pinta-alassa poikittaisen Mercatorin ja ETRS-TM35FIN -projektioiden välillä.

Loppusanat

Tämän viikon kurssikerta sekä harjoitukset tarjosivat paljon lisää oppia ja toimivat hyvänä kertauksena aikaisemmasta. Kertaus tuli tarpeeseen erityisesti sen vuoksi, että aihe tuntui geoinformatiikkaan johdatelleella kurssilla hieman haastavalta. Nyt kuitenkin ymmärrän enemmän projektioiden välisistä käytännön eroista. Ohjelmistojen (Excel ja QGIS) osalta olen mielestäni kehittynyt melko paljon, vaikka ajoittain tehtävät ovatkin tuntuneet hieman haastavilta. Huolimatta ajoittaisesta jumiin jäämisestä, olen kuitenkin aina päässyt tehtävissä eteenpäin.

Lähteet:

Grönberg, J. (24.1.2024). Toinen kurssikerta 24.1.2024. Jesperin GIS kärsimys. Haettu 26.1.2024.

https://blogs.helsinki.fi/jesperi/

ESRI. (n.d). Transverse Mercator. Haettu 27.1.2024.

https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/transverse-mercator.htm

ESRI. (n.d). Robinson. Haettu 27.1.2024.

https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/robinson.htm

Sigdel, R. (28.1.2021). Understanding Map Projections. Haettu 27.1.2024

https://medium.com/nightingale/understanding-map-projections-8b23ecbd2a2f

 

 

 

 

 

 

 

Johdanto

Ensimmäisellä kurssikerralla käsiteltiin kurssin käytännön asioita sekä aloitettiin QGIS-ohjelmaan tutustuminen. Lisäksi kävimme läpi paikkatiedon perusasioita, vektori- ja rasterimuotoisen paikkatiedon piirteitä sekä tasojen hyödyntämistä analyyseissa. Kerron tässä blogikirjoituksessa kahdesta kurssikerran aikana tekemästäni tehtävästä, joista ensimmäisen tein yhteisesti kurssilla ja toisen omatoimisesti.

Itämeren typpipäästöjen visualisointi

QGIS-ohjelma on itselleni entuudestaan melko tuntematon, vaikka käytinkin sitä hieman MAA-104 -kurssilla tehdyssä tehtävässä. Oli hyvä asia, että kurssilla kerrattiin ohjelman käyttämisen perusteita, jotta oppisin käyttämään sitä jatkossa omatoimisesti. Pidän ohjelman käyttämisen oppimista hyvin tärkeänä sekä tulevien opintojen että työelämän kannalta ja odotan innolla ohjelman käyttöön liittyviä tulevia kurssikertoja.

Ensimmäisen tehtävän tavoitteena oli saada aikaiseksi visualisointi, joka havainnollistaa Itämeren rannikolla sijaitsevien valtioiden osuuksia mereen päätyvissä typpipäästöissä. Visualisointi toteutettiin koropleettikartan avulla, josta ilmenee päästölähteiden sijainnit sekä päästöjen määrät valtioittain. Tehtävä aloitettiin siirtämällä tarvittava data QGIS-ohjelmaan, jonka lisäksi viilasin ohjelman perusasetuksia (mm. kieli) sekä ulkoasua itselleni sopivaksi. Tämän jälkeen siirryttiin varsinaisen teeman pariin ja etenimme kartan visualisoinnin kautta varsinaisen datan käsittelyyn sekä uuden datan laskemiseen. Lopuksi lisäsimme karttaan myös kartan peruselementit eli legendan, mittakaavan sekä pohjoisnuolen. Valmis kartta on nähtävillä alla olevassa kuvassa (Kuva 1).

Kuva 1, valmis visualisointi Itämeren rannalla sijaitsevien valtioiden aiheuttamista meren päästöistä.

Olen melko tyytyväinen valmiiseen visualisointiin ja viestin välittymiseen, vaikka parannettavaakin jäi. Mielestäni kartta havainnollistaa ilmiötä selkeästi, mutta luokkia olisi ehkä voinut olla yksi enemmän. Tämä sen takia, että nyt valtaosa valtioista kuuluu samaan luokkaan, eivätkä keskimmäisen luokan erot erotu mielestäni tarpeeksi. Valitsin väriteeman hieman eri tavalla, mitä kurssikerralla esitettiin, koska mielestäni myös valitsemani teema kuvaa hyvin mereen kohdistuvien typpipäästöjen kaltaista negatiivista ilmiötä. En aivan päässyt kurssikerralla kiinni siihen, miten kartalle tehdään kehykset, joten lopputuotoksessa niitä ei ole. Niiden poissaolo ei kuitenkaan nähdäkseni heikennä lopputuloksen laatua.

Kartasta voidaan huomata, että Itämeren alueella on useita päästölähteitä, joista selkeästi suurimpana erottuu Puola. Tämä hieman yllätti itseni, vaikka osasin odottaa Puolan olevan kärkipäätä. Samoin Ruotsin osuudet päästöistä olivat yllättävän suuret ja Venäjän melko pienet, jonka suhteen on tosin otettava huomioon Venäjän Itämeren rannikkoalueen lyhyys. Kuten jo aikaisemmin totesin luokkia olisi voinut olla visualisoinnissa yksi enemmän, sillä nyt esimerkiksi Tanska kuuluu Ruotsin kanssa samaan luokkaan, vaikka Ruotsin päästöt ovat Tanskaan verrattuna noin kaksinkertaiset. Joka tapauksessa rannikolla sijaitsevista valtiosta kohdistuu merkittäviä määriä päästöjä Itämereen ja päästöjen vähentäminen olisi toivottavaa. Erittäin hyvän huomion blogissaan tekee myös Taika Jaakkola (2024), joka nostaa tekstissään esille aikaisemman vuoden opiskelijan Joanna Nuutisen (2023) havainnon. Kuten Nuutisen ja Jaakkolan blogeissa todetaan, Itämereen päätyy päästöjä myös rannikkovaltioiden ulkopuolelta esimerkiksi jokien välityksellä, sillä Itämeren valuma-alueeseen kuuluu osia Norjasta, Valko-Venäjästä, Tšekistä, Slovakiasta ja Ukrainasta.

Viranomaistehtävät Suomen kunnissa

Toisessa tehtävässä tavoitteena oli toteuttaa oma koropleettikartta hyödyntämällä Suomen kuntien tietokantaa. Vaihtoehtoja vaikeusasteen suhteen oli kolme kappaletta ja päätin lopulta toteuttaa niistä toiseksi vaikeimman. Valmis kartta esittää Suomen kuntien viranomaistehtävien määrää suhteutettuna kuntien asukaslukuihin (Kuva 2).

Tehtävän toteuttaminen ei sujunut missään nimessä ongelmitta, ja jouduin tekemään paljon tiedonhakua päästäkseni haluamaani lopputulokseen. Valitsin ensimmäiseksi Tilastokeskuksen sivuilta sopivan aineiston ja latasin sen oikeassa muodossa. Aineistoon sisältyi laajalla skaalalla pääasiassa poliisien, mutta myös muiden viranomaisten erilaisia tehtävätyyppejä. Ladattuani aineiston, se vaati kuitenkin hieman muokkaamista siirtyäkseen QGIS-ohjelmaan sopivalla tavalla. Pääsin myös ensimmäistä kertaa opettelemaan ”join” -toiminnon käyttöä, jonka avulla tason piirteitä on mahdollista siirtää tasosta toiseen. Siirtämisvaiheessa ongelmia aiheutti erityisesti siirtämäni datan koodaus (encoding), joka ei tunnistanut pohjoismaisia ”ä” ja ”ö” -kirjaimia, minkä vuoksi siirtämisessä avaimena toimineet kuntien nimet eivät aina vastanneet toisiaan. Sain kuitenkin lopulta skandinaaviset kirjaimet näkymään oikealla tavalla. Lisäksi laskin jokaiselle kunnalle suhdeluvun jakamalla kuntien väkiluvun viranomaistehtävien määrällä. Ilman kyseistä laskutoimitusta lähinnä suurimmat kaupungit olisivat erottuneet kartalla kaikista tummimpina.

Lopputulokseen olen melko tyytyväinen ja mukana ovat kaikki haluamani elementit. Sain parannettua aikaisempaan karttaan verrattuna legendan muotoilua ja myös väriteema nähdäkseni toimii aiheen kohdalla. Se, miten viranomaistehtävät jakautuivat ympäri Suomea yllätti kuitenkin itseni, sillä suurimmat viranomaistehtävien määrät näyttäisivät keskittyvän Länsi-Suomeen Etelä- ja Keski-Pohjanmaan sekä Pohjanmaan maakuntiin. Lisäksi lähellä Turkua sijaitsevissa ympäryskunnissa on väkilukuun suhteutettuna paljon viranomaistehtäviä. Sen sijaan, suuret kaupungit erottuvat monin paikoin vähäisistä tehtävämääristään, mikä on tuloksena päinvastainen verrattaessa tilanteeseen, jossa väkilukuja ei huomioida. Toisaalta monet harvaanasutut kunnatkin erottuvat kartalla valkoisina. Kaikista suurimman suhdeluvun sai Virolahti ja pienimmän Luoto.

En ainakaan itse osaa suoranaisesti sanoa, mistä monet kartalla näkyvät trendit voisivat johtua. Kuvittelisin ainakin itse, että suuret kaupungit olisivat edelleen viranomaistehtävissä korkeammalla. Virolahden tapauksen kuitenkin ymmärrän, koska kunnan alueella sijaitsee Vaalimaan rajanylityspaikka, jonka myötä valtaosa viranomaistapauksista liittyy maahanpääsyn epäämiseen liittyviin tapauksiin. Mahdollisesti myös joissakin muissa yksittäistapauksissa korkeaa arvoa selittävät jotkin yksittäisen tyyppiset, muista kunnista poikkeavat viranomaistehtävät. Joka tapauksessa kartan laajempien trendien taustojen ymmärtäminen voi vaatia lisää tutkimus- ja selvittämistyötä.

 

Kuva 2, Suomen viranomaistehtävien jakautuminen kunnittain vuonna 2021. Kartassa huomioitu kuntien väkiluku. (Tilastokeskus)

 

Lähteet:

Nuutinen, J. (23.1.2023). QGIS-ohjelmistoon tutustuminen. Haettu 22.1.2024.

QGIS-ohjelmistoon tutustuminen

Jaakkola, T. (2024). QGIS for dummies ja karttojen laatimisen perusteita. Taikamatkalla GIS-velhoksi. Haettu 22.1.2024.

https://blogs.helsinki.fi/jztaika/

Tilastokeskus. (2022). Viranomaisten tehtäviä kunnittain, 1980-2022. Haettu 24.1.2024.

https://pxdata.stat.fi/PxWeb/pxweb/fi/StatFin/StatFin__rpk/statfin_rpk_pxt_13f7.px/

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