Month: January 2020

Toinen kurssikerta jatkoi syventymistä QGIS:sän ominaisuuksiin. Alkuun harjoittelimme alueiden valitsemista kartalta sekä tietojen hakua tietokannoista. Jälkimmäisen soveltaminen jatkossa ei itseltä ehkä heti onnistuisi, mutta ohjeita seuraten sain kyllä tuotua dataa palvelimelta. Tämän jälkeen harjoittelimme erilaisten laskennallisten kaavojen käyttöä ohjelmassa, kun laskimme eri projektioiden pinta-alojen suhteellisuutta. Oma kokemus tilasto-ohjelmista ehkä auttoi hieman, sillä attribuuttitaulussa matemaattisten lausekkeiden pyörittely onnistui itseltä varsin ongelmitta.

Haastetta toisaalta tarjosi eri projektioiden välillä vaihtaminen, kun en aivan hallinnut tiedostojen tallentamista ja avaamista eri projektioissa. Samaa haastetta oli minun lisäksi kuitenkin muillakin (Vikman, 2020). Välillä myös onnistuin hävittämään laskettua dataa attribuuttitaulukon sarakkeista vaihtaessani projektiosta toiseen. Sanoisin, että osa on omaa kömpelyyttä, ja osa myös QGIS:sän kankeutta. Sain kuitenkin laskettua kahden projektion välisen suhteellisen eron (Kuva 1). Tallennusongelmien myötä onnistuin hävittämään tiedot siitä, mitkä projektiot olin vertailuun valinnut, mutta muistelisin niiden olleen jotkin Mercatorin ja Lambertin projektioista.

Kuva 1. Lambertin ja Mercatorin projektioiden suhteellinen ero pinta-alassa (kuinka paljon toinen on suurempi).

Ongelmat tallennusteknisten asioiden kanssa kulminoituivat tiistai-iltaan, kun jatkaessani kurssilla kesken jäänyttä työtä asukastiheyksien suhteellisista eroista eri projektioiden välillä huomasin, että työni ovat päätyneet johonkin bittiavaruuden mustista aukoista. Niinpä tein kaiken alusta. Vertasin Lambertin (GDA94) ja Mercatorin (TM-35FIN) projektioiden vaikutusta asukastiheyteen. Pyörittely onnistui varsin mukavasti, ja sain kartat tehtyä (Kuva 2. Asukastiheys laskettuna Lambertin projektiolla; Kuva 3.  Asukastiheys laskettuna Mercatorin projektiolla).

                                       

Kuva 2. Asukastiheys (GDA94).           Kuva 3. Asukastiheys (TM-35FIN).

Kartat ovat muuten kohtalaisen onnistuneet, mutta itse olisin toivonut voivani tehdä legendassa näkyvistä luokkajaoista yhtenevät kahden kartan välillä. Tämä siksi, että suhteellisten erojen ollessa kahden eri projektion välillä, näyttäytyvät kartat lähes identtisiltä, vaikka absoluuttiset erot ovatkin suuria. Tämä tekee vertailusta hankalaa, mihin oli kiinnittänyt huomiota myös Venla Moisio blogissaan (Moisio, 2020). Pyörittelin erilaisia mahdollisuuksia, mutten löytänyt mahdollisuutta “kopioida” toisen legendan arvoja kartalle. Ehkä tämä täytyisi tehdä siis käsin.

Lähteet:

Vikman, J. 2020. Palvelinosoitteita ja projektioita. https://blogs.helsinki.fi/jagvikma/2020/01/24/palvelinosoitteita-ja-projektioita/

Moisio, V. 2020. Viikko 2 – Totuttelua tietokantojen käyttöön sekä eri projektioiden vaikutusten vertailua. https://blogs.helsinki.fi/moivenla/

 

Tämä kurssikerta oli erityisesti tutustumista QGIS -ohjelmistoon. Kävimme läpi peruasioita ohjelmalla työskentelystä, kuten vektorimuotoisten karttatasojen tuomista ja käsittelyä QGIS:ssä. QGIS oli itselleni jo jokseenkin tuttu työkalu, mutta edellisestä kerrasta oli kuitenkin ehtinyt vierähtää jo tovi.

Typpipäästöt maittain. Kuva 1.

Kurssikerran anti tähtäsi oman teemakartan (kuva 1) tuottamiseen. Tätä varten oli ymmärrettävä esimerkiksi, kuinka aineiston muuttujia voidaan luokitella tilastollisesti eri luokkiin ja esittää tämä tieto kartalla. Tätä luokittelua teimme kurssikerralla ohjatusti aineiston kanssa, joka sisälsi dataa typen maakohtaisista päästöistä. Koska prosentuaalinen eli suhteellinen esitystapa typen päästöistä oli huomattavasti informatiivisempi, teimme oman sarakkeen informaatiotaulukkoon, jossa oli jo tiedot typen nettomääristä maittain. Tämä osuus oli itselleni aivan uutta, ja vaatiikin kertaamista myöhemmin itsenäisesti. 

Väestö kunnittain. Kuva 2.

Lopulta kurssikerran oppien pohjalta valmistin itse teemakartan (kuva 1), johon olin luokitellut Suomen kuntien asukasluvut siten, että tummimman punaisella olivat asukasluvultaan suurimmat-, ja valkoisella pienimmät kunnat. Esitystapa oli muuten onnistunut ja erityisesti kartta visuaalisesti helppolukuinen, mutta jälkeenpäin ajatellen olisin voinut itse luokitella väkiluvut järkevimpiin tasalukuihin.  Nyt esitystapa oli vain yksi QGIS:sän automaattisista luokitteluista, ja siten hieman kömpelö. Pääkaupunkiseutu ei erotu edukseen asukaskeskittymänä, vaan esim. Oulu varastaa huomion. Esimerkiksi Annika Luoman (Luoma 2020) kartan visuaalinen ilme ruotsinkielisistä kunnista on varmasti lähempänä totuutta kuin omani. Luokkarajoja olisi siis todella voinut miettiä, mutta virheistähän sitä oppii.

Kirjallisuus: Luoma, Annika. 2020. https://blogs.helsinki.fi/luomanni/