Month: January 2022

Toisella kurssikerralla jatkoimme tuttuun tapaan QGIS:in kanssa työskentelyä, tällä kertaa erilaisten projektioiden parissa. Aluksi tarkastelimme Robinsonin ja Mercatorin projektioita. Mittasin Pohjois-Lapin läpi kulkevan suoran reitin, jonka pituudeksi tuli Suomessa käytössä olevassa ETRS TM35FIN -koordinaattijärjestelmässä noin 125 kilometriä. Robinsonin projektiolla täsmälleen sama reitti olikin yhtäkkiä 220 km ja Mercatoriin vaihdettuani noin 360 km. 

Vääristymät olivat siis huomattavan suuria, myös mittaamieni pinta-alojen kohdalla. Erot johtuvat siitä, että maapallon kolmiulotteista pintaa on mahdoton kuvata täydellisesti tasopinnalla. Tämän takia projektiot vääristävät väkisin alueiden välimatkoja, pinta-aloja tai muotoja. 

Seuraavaksi tehtävänä oli vertailla muutamaa omavalintaista koordinaattijärjestelmää ETRS TM35FIN –koordinaatistoon ja visualisoida niiden pinta-alojen prosentuaaliset vääristymät kartalla. Parin epäonnistuneen yrityksen ja pienen vääntämisen jälkeen sain havainnollistettua neljän eri koordinaatiston aiheuttamat vääristymät.

Ennen kuin siirryn omiin karttoihini ja niiden vääristymien tarkasteluun, haluan kuitenkin ottaa esille Salla Kärkkäisen omassa blogissaan tekemän huomion projektioiden vertailuun liittyen. Kärkkäinen kirjoittaa osuvasti: “…on hyvin huomionarvoista muistaa, että vääristymät on kuvattu juurikin TM35-projektiossa, mikä mielestäni vaikuttaa vääristymän visuaaliseen tulkintaan. Jos tulkinta olisi tehty toisin päin, eli TM35-projektion virhe olisi laskettu muiden projektioiden päälle, korostuisi siinä juuri TM35-projektion heikkous.” 

Ensimmäisenä otin käsittelyyn Winkel Tripel –projektion, josta sain tuotettua alla olevan kartan (kuva 1). Kuten huomataan, vinoutumat ovat sitä suurempia mitä pohjoisempaan mennään. Vähiten pinta-ala siis vääristyy Etelä-Suomessa ja eniten Lapin pohjoisosassa. Esitin aineiston ohjeiden mukaan kahdeksassa luokassa, mikä oli tässä tapauksessa erittäin toimiva ratkaisu. 

Kuva 1. Winkel Tripel –projektion pinta-alan vääristymät prosentteina ETRS TM35FIN –koordinaatistoon verrattuna

Seuraavaksi tarkastelin Bonnen projektiota. Kuten valmiista kartasta (kuva 2) huomaa, pinta-ala kieroutuu nyt eri suunnassa kuin äsken. Vääristymät suurenevat mitä keskemmälle Suomea mennään. Pienimmät vääristymät ovat Ahvenanmaalla sekä Pohjanmaan, Satakunnan ja Varsinais-Suomen maakuntien alueella. Päädyin käyttämään tässä vain viittä luokkaa kartan selkeyden ja miellyttävän ulkoasun vuoksi. 

Kuva 2. Bonne-projektion pinta-alan vääristymät prosentteina ETRS TM35FIN –koordinaatistoon verrattuna

Viimeisenä tutkailin Wagner VII –projektiota, jonka vääristymät näyttivät jakautuvan melko kummallisesti. Tarkistinkin uudestaan tehneeni kaikki toiminnot oikein QGIS:llä ja kyllä, pinta-alat vääristyvät alla olevan kartan (kuva 3) mukaisesti. Tähänkin otin mukaan vain viisi luokkaa, sillä kartta näytti näin selkeämmältä kuin kahdeksalla luokalla.

Kuva 3. Wagner VII –projektion pinta-alan vääristymät prosentteina ETRS TM35FIN –koordinaatistoon verrattuna

 

Lähteet:

Kärkkäinen, S. (2022). Viikko 2: Kuntien avainlukuja ja gissiä, Sallan blogi (luettu 31.1.2022). Saatavilla https://blogs.helsinki.fi/karkkais/

Geoinformatiikan menetelmät -kurssi lähti tehokkaasti käyntiin viime tiistaina, onneksemme lähiopetuksena paikan päällä Kumpulassa. Ensimmäisellä opetuskerralla tutustuimme QGIS-ohjelman käyttöön. Olin käyttänyt ohjelmaa jo kerran aikaisemmin, Johdatus geoinformatiikkaan –kurssilla, mutta silloin sen käyttö tuntui tuskaisen vaikealta ja monimutkaiselta. Tällä kertaa kuitenkin saimme selkeät, helposti seurattavat ohjeet QGIS:n käyttöön ja kartan laatiminen olikin yllättävän mukavaa ja sujuvaa! 

Tehtävänä oli siis luoda QGIS:llä oma koropleettikartta typpipäästöistä Itämerellä. Kartta laadittiin valmiin karttapohjan sekä tilastojen perusteella. Karttaa tehdessäni opin muun muassa hallitsemaan ainakin jollain tasolla QGIS:n yleisimpiä, tärkeitä työkaluja sekä tuomaan ja viemään aineistoja. Omaan valmiiseen karttaani (kuva 1) olen tyytyväinen, sen visuaalinen ilme on mielestäni onnistunut. Jälkikäteen olisin tosin pohtinut uudestaan järvien väriä, sillä lopputulos näyttää tällä hetkellä melko puuroiselta. 

Kuva 1. HELCOM-merialueen typpipäästöt valtioittain

Kartasta pistää silmään suurimpana saastuttajana Puola, joka ainoana HELCOM-merialuetta ympäröivistä valtioista kuuluu typen päästöjen osuudessa luokkaan 13,3-33,7 %. Nea Tiainen mainitsee omassa blogissaan, että Puolan typpipäästöistä 50% on peräisin maataloudesta. Maatalous onkin metsätalouden ohella merkittävin, Itämeren rehevöitymistä aiheuttavien, typpipäästöjen lähde (WWF). 

 

Toisessa harjoituksessa, joka tehtiin kotona, oli tarkoituksena tuottaa Suomen kuntiin liittyvistä tiedoista koropleettikartta omavalintaisen muuttujan perusteella. Valitsin muuttujaksi 0-14-vuotiaiden osuuden väestöstä prosentteina. Käytännössä harjoitus oli aika simppeli. Valittu muuttuja piti visualisoida oman maun mukaan valmiille karttapohjalle, jonka onnistuin tuomaan QGIS:iin ilman ongelmia. Koropleettikartan tekeminen sujui kotona melko vaivattomasti, sillä kartan tekemiseen käytin työkaluja, joihin olimme jo yhdessä tutustuneet lähiopetuksessa. Valmis tuotokseni on näkyvissä alla (kuva 2).

Kuva 2. 0-14-vuotiaiden prosenttiosuus väestöstä vuonna 2015

Lopputulos havainnollistaa hyvin väestön ikärakenteen jakautumista Suomessa. Kuten kartasta nähdään, 0-14-vuotiaita on prosentuaalisesti eniten pääkaupunkiseudun, Turun ja Tampereen läheisyydessä sekä Pohjois-Pohjanmaalla. Itä-Suomessa ja Lapin pohjoisosissa puolestaan 0-14-vuotiaiden prosenttiosuus on alhainen. Ilmiöön löytyy mitä todennäköisimmin selitys siitä, että monet nuoret aikuiset muuttavat pois syrjäseuduilta suuriin asutuskeskuksiin usein korkeakouluopintojen tai töiden perässä (Lappalainen, 2017).

 

Lähteet:

Lappalainen, O. (2017). Miksi ja miten tutkia nuorten muuttoliikettä? sosiologi. (Luettu 26.1.2022). Saatavilla https://www.sosiologi.fi/?p=628

Tiainen, N. (2022). Tapaamme jälleen, QGIS. Blogissa: Melkein GIS-guru siis itsekkin. (Luettu 24.1.2022). Saatavilla https://blogs.helsinki.fi/tiainea/ 

Itämeren rehevöityminen, WWF. (luettu 24.1.2022). Saatavilla https://wwf.fi/alueet/itameri/rehevoityminen/?gclid=Cj0KCQiAubmPBhCyARIsAJWNpiPkxjkaY9CNUh-JbrSIYL9oc6EYbfbUEk0sKV9akPbDarCDf9IFyS0aAo16EALw_wcB#rehevoitymisen-seuraukset 

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