Viikko 5 – Bufferointia ja analyysejä

Viidennellä kurssikerralla jatkoimme edellisellä kurssikerralla tuotettujen aineistojen kanssa opettelemalla edelleen uusien analyysityökalujen käyttöä. Laskimme muun muassa viivojen pituutta tai polygonien pinta-alaa tietyllä alueella, ja ilokseni huomasin, että työkalujen käyttö alkoi itseltä sujua jo ilman opastusta. Olen muutenkin havainnut, että oma hahmotus sen suhteen, mistä minkäkinlaista työkalua kannattaisi lähteä etsimään, on kasvanut suuresti ja yhä harvemmin on tarvetta palata tutkailemaan ohjeita esimerkiksi aiemmilta kurssikerroilta. Kun aivan ensimmäisessä blogikirjoituksessa totesin, ettei QGIS ole mielestäni se kaikkein intuitiivisin ohjelma, olen kokemuksen myötä hieman muuttanut mieltäni ja koen eri komennot ja niiden löytämisen melko loogiseksi.

Itsenäisessä tehtävässä harjoittelimme aiemmilla kurssikerroilla oppimaamme tiedonhakuun erilaisista paikkatietoaineistoista QGIS:n avulla. Ensimmäisessä itsenäistehtävässä olivat tarkastelussa Malmin ja Helsinki-Vantaan lentokentät, sekä pääkaupunkiseudun julkisen liikenteen asemat. Tehtävissä hyödynnettiin buffer-työkalua, jolloin uuden layerin avulla saatiin laskettua kaikki tietyn etäisyyden päähän kiitoradasta tai asemasta jäävät kohteet saatiin laskettua. Aineistosta selvisi, että Malmin lentokentän pahimmalla melualueella, eli 2 km etäisyydellä kiitoradoista sijaitsee noin 4732 taloa, joissa asuu noin 57 633 asukasta (Taulukko 1). 1 km etäisyydellä lentokentästä sijaitsee puolestaan 769 taloa, joissa asuu 8887 asukasta. Malmin lentokentän valmistumisvuoden jälkeen, eli 1936 (wikipedia) 1 km säteelle kiitoradoista on rakennettu 757 rakennusta, joissa asuu 8850 asukasta.

Taulukko 1. Itsenäistehtävän vastauksia eri etäisyydellä tai melualuilla asuvista asukkaista tai rakennusten määrästä Malmin ja Helsinki-Vantaan lentokentillä.

Lentokenttä Alue Rakennusten määrä Asukkaiden määrä
Malmi  1 km tai alle 769 8887
Malmi 2 km tai alle 4732 57 633
Helsinki-Vantaa 2 km tai alle 2309 11 479
Helsinki-Vantaa 2 km tai alle + 65 dB melualue 29 (0,25 % kaikista 2 km säteellä asuvista)
Helsinki-Vantaa 55 dB melualue 11 913

Helsinki-Vantaan lentokentän kiitoradoista 2km säteellä on 2309 rakennusta, joissa asuu noin 11 479 asukasta (Taulukko 1). Kahden kilometrin säteellä asuvista 65 dB:n melualueella asuu 29 ihmistä eli 0,25 %. Vähintään 55 dB melualueella ilman määriteltyä etäisyyttä asuu yhteensä 11 913 asukasta. Jos lentokoneet laskeutuisivat kentälle Tikkurilan suunnasta, jäisi kiitoradan päästä alkavalle noin 7kmx1km alueelle (melu 60 dB) noin 12 541 asukasta. Julkisen liikenteen juna- ja metroasemista 500 m päässä asuu 265 201 asukasta, joista työikäisiä (15-64 -vuotiaita) 188 583.

Olin yllättynyt bufferi-analyysin helppoudesta ja monikäyttöisyydestä, ja mahdolliset ongelmat syntyivät aivan muiden työkalujen kanssa. Kun yritin laskea yhteen kaikkien 15-64 -vuotiaiden määrää, oli se joko ohjelmalle tai läppärilleni liikaa ja useiden yritysten ja odottelun jälkeen en saanut mitään vastausta, vaan ohjelma kaatui. Kun tajusin pilkkoa laskutoimituksen osiin ja laskin yhteen muutaman ikäluokan kerrallaan ja lisäsin aina saatuun summaan lisää ikäluokkia, sain lopulta sarakkeen, jossa oli kaikkien työikäisten määrä. Ei ehkä nopein ja tehokkain tapa, mutta sain homman kuitenkin hoidettua. Tällaiset tilanteet antavat varmuutta QGIS:n kanssa siitä, että mahdottomilta tuntuviin tilanteisiin, joissa ohjelma vaan kaatuu, voi kuitenkin löytää ratkaisun jonkun kiertotien kautta.

Viimeiseksi itsenäistehtäväksi valitsin putkiremonttirumbaan liittyven lukujen selvittelyn ja koropleettikartan tekemisen (Kuva 1). Helsingissä on rakennettu vuosina 1965-1970 6286 asuinrakennusta, joista kerrostaloja on 1206 kappaletta. Näissä 1965-1970 rakennetuissa kerrostaloissa asuu yhteensä 65 206 ihmistä, eli putkiremontit ovat vaikuttaneet tai tulevat vaikuttamaan merkittävän ihmismäärän arkeen. Yhteensä remontoitavia asuntoja on 39 002 kappaletta eli keskimäärin 32 asuntoa/kerrostalo. Koropleettikartasta (Kuva 1) nähdään, että suurin putkiremonttirumba sijoittuu Itä-Helsinkiin. 

Kuva 1. Koropleettikartta pääkaupunkiseudun alueiden putkiremontti-indeksistä, jossa remontoitavien talojen absoluuttinen määrä on myös ilmoitettu kartalla.

Lueskellessani muiden kurssilaisten blogeja, havaitsin monessa tehtävässä lukujen vaihtelevan kurssilaisten kesken monessa tehtävässä. Yhtenä syynä on varmasti se, että kiitoradat on piiretty hieman eri tavoin, kuten Susanna Kukkavuori blogissaan mainitseekin. Jos luvut erovat aivan huomattavasti voi toki koko tehtävä olla toteutettu väärin katsomalla väärää muuttujaa tai käyttämällä työkalua väärin.

Lähteet:

Helsinki-Malmin lentoasema. Wikipedia. Luettu: 24.2.2019. (luettavissa: https://fi.wikipedia.org/wiki/Helsinki-Malmin_lentoasema)

Susanna Kukkavuori (2019). Spatiaalisesta kyselystä. Susanna Kukkavuoren blogi, luettu 24.2.2019. (luettavissa: https://blogs.helsinki.fi/kukkasus/2019/02/22/spatiaalisesta-kyselysta/)

Viikko 4 – Ruututeemakarttoja ja rasteriaineistoja

Neljännellä kurssikerralla siirryimme tarkastelemaan erilaisten aineistojen käsittelyä QGIS:llä, jotka onneksi olivat jo aiemmilta kursseilta tuttuja. Opettelimme tuottamaan ruututietoaineistoa laatimalla itse tarkoitukseen sopiva ruudukko, karsimalla käytettävää aineistoa ja keräämällä lopulta ruutuihin dataa. Kokeilin itsekseni luoda esitystä siitä, miten 2000-luvun puolella rakennetut talot sijoittuvat pääkaupunkiseudulle. Tätä varten tuli kerrattuna erilaisten valintatyökalujen käyttöä, ruudukon luomista, ylimääräisten ruutujen rajaamista ja tiedon keräämistä ruudukkoon. Kartan informatiivisuuden lisäämiseksi päätin vielä tuoda karttaan kurssin lisädata-kansiosta vektoriaineistona olevat pääkaupunkiseudun suurimat tiet. Kokeilin sekä 500 m x 500 m, että 1 km x 1km ruutuja, joista jälkimmäinen vaihtoehto tuotti selkeämmän lopputuloksen esitettävän ilmiön kannalta.

Kartalla (kuva 1) on esitetty pääkaupunkiseudun 2000-luvulla rakennettujen talojen absoluuttinen määrä/neliökilmetri, sekä suurimmat pääväylät, moottoritiet ja vesistöt alueen hahmottamiseksi. Kartasta on havaittavissa, että 2000-luvulla pääkaupunkiseudun rakentaminen on keskittynyt kantakaupungin ulkopuolelle, kehäteiden ja keskustaan vievien moottoriteiden ja muiden suurten väylien varsille. Selittäviä ilmiöitä on varmasti useita. Kantakaupunki on usein kaupungin vanhinta aluetta, jolloin väestönkasvun myötä on luonnollista laajentaa kaupunkia yhä kauemmas keskustasta, mutta toisaalta hyvien liikenneyhteyksien varrelle. Suuret ostoskeskukset ja palvelujen saatavuus ovat myös yleistyneet keskusta-alueen ulkopuolella, jolloin kauempana keskustaa olevat alueet ovat entistä houkuttelevampia. Yksi selittävä tekijä voisi olla myös jatkuva yksityisautoilun lisääntyminen ja tieverkon kehittyminen, joka mahdollistaa elinpiirin laajentamisen siten, että matka-ajat pysyvät silti kohtuullisina.

Kuva 1. 2000-luvulla rakennettujen talojen sijoittuminen neliökilometreittäin pääkaupunkiseudulla.

Kartan lukemisen helpottamiseksi suurimpien keskusten nimeäminen olisi mahdollisesti ollut paikallaan, mutta toisaalta, jos rakentamista haluaa tarkastella suhteessa liikenneyhteyksiin, joka tässä oli tarkoituksena, on hyvä, että erityisesti tiet erottuvat kartalla. Kartan visuaalinen ilme on mielestäni onnistunut – tai ainakin selkeä. Paremman ajan kanssa voisi toki hioa erilaisten fonttien ja värien kera vielä kiinnostavampaa lopputulosta, mutta ainakin kaikki kartan peruselementit löytyvät ja esitettävä ilmiö on luettavissa.

Ruututeemakartassa voidaan esittää tietoa absoluuttisina arvoina, kuten tässäkin on tehty, sillä kaikki yksittäiset kohteet – eli ruudut – ovat samankokoisia ja arvot ovat täten keskenään vertailtavissa. Ruututeemakartta sopii mielestäni hyvin sellaisiin teemakarttoihin, joissa esitettävän ilmiön, kuten tässä rakennusten, tarkalla paikalla ei ole välilä, vaan rakennusten määrä tietyllä alueella on kiinnostavampi. Jos samaa asiaa yrittäisi esittää pistekartalla, olisi lopputulos todella sekava. Koropleettikartalla saisi myös melko näppärästi esitettyä saman asian, jos on jokin ennalta määrätty aluejako. Pääkaupunkiseudun 2000-luvulla rakennettujen talojen määrän tiheyden/neliökilometri voisi esittää koropleettikartalla esimerkiksi asuin- tai postinumeroalueittain.

Lueskellessani muiden blogeja havaitsin, että en ollut ainoa, joka oli esittänyt 2000- luvulla rakennettujen talojen määrää pääkaupinkiseudulla ruututeemakartalla, vaan samoin oli tehnyt myös Vilma Kaukavuori. Karttamme näyttävät kuitenkin jokseenkin erilaisilta, vaikka olemmekin samaa aineistoa käyttäneet johtuen siitä, että olemme valinneet erilaiset luokat talojen määrille.

Kun tähän mennessä olemme käsitelleet pääasiassa vektori- tai CSV- muodossa olevia aineistoja, toimme neljännellä kurssikerralla QGIS:iin ensimmäistä kertaa rasteriaineistoja. Rasteriaineistoja käsitellessä yhdistimme useamman kuvan yhdeksi tasoksi, jolloin myös niiden väritys skaalautuu. Yllätyin, kuinka helppoa tämä oli, ja ihmettelen suuresti sitä, kun monesti näkee paloista yhdistettyjä rasteriaineistoja, joita ei ole skaalattu, vaikka se parantaa luettavuutta todella paljon. Toki toiminto on todella raskas, mutta luulisi siihenkin tehokkaita algoritmejä olevan kehittetty, ja tietokoneiden laskentatehostakaan ei luulisi jäävän kiinni.

Skaalaamamme ainesto oli korkeusmalli Pornaisten alueen peruskarttalehdestä, josta opettelimme piirtämään QGIS:n avulla korkeuskäyrät. Latasin kotona Paituli-palvelusta vastaavan peruskarttalehden korkeuskäyrien kera ja vertailin sitä QGIS:n avulla piirtämiimme korkeuskäyriin. Käyrät vastasivat hyvin toisiaan, mutta peruskarttalehden korkeuskäyriä oli reilusti yleistetty, eikä jokaista pientä kiemuraa oltu piirretty. QGIS:n avulla piirtämämme käyrät sen sijaan vastasivat todellisia pinnanmuotoja, jotka paikoin olivat aikamoista kiemuraa ja syheröä. Korkeuskäyrien vertaileminen oli kyllä hyödyllinen muistutus siitä, miksi yleistäminen on maantieteessä hyvä taito, sillä peruskarttalehden korkeuskäyrät olivat helpommin luettavissa. Kurssikerran aikana opettelimme vielä laatimaan korkeusmallista rinnevarjotuksen, joka oli myös yllättävän helppoa ja näppärää, kunhan osaa laittaa oikeanlaiset asetukset, kuten valon suunnan.

Lopputunnista opettelimme luomaan itse rasteriaineiston pohjalta vektoriaineistoa piirtämällä Pornaisten kartan perusteella tiet ja talot. Teiden piirtäminen ja tallennus sujui hyvin, mutta taloja tallennettaessa tapahtui jotain, ja seuraavan kerran kun avasin aineiston, ne olivat kadonneet, vaikka mielestäni tallensin scratch layerin varsinaiseksi layeriksi ennen ohjelman sulkemista. Kokeilin piirtää talot uudelleen kotona ja tällöin tallennus onnistui ongelmitta, joten en tiedä pitääkö tuosta maanantai-illan kurssikerran tapauksesta syyttää omaa väsynyttä olotilaa vai QGIS:ä.

Lähteet:

Kaukavuori, Vilma (2019). Risuja ja ruutuja. Vilma Kaukavuoren blogi, luettu 17.2.2019.  (luettavissa: https://blogs.helsinki.fi/vilmakau/2019/02/13/risuja-ja-ruutuja/)

Viikko 3 – Taistelua tietokantojen kanssa ja teemakarttoja

Kolmannella kurssikerralla jatkoimme tietokantojen pyörittelyä erityisesti siltä kannalta, mitä toimenpiteitä valmiille tietokannalle voi tehdä, jotta sen saa vastaamaan omia käyttötarpeitaan. Samalla tuli tutuksi useita QGIS:n työkaluja, kuten miten tietokannan kohteita voi yhdistää useammallakin eri tavalla. Harjoitustehtävässä yhdistettiin Afrikka-tietokannan saman valtion eri polygonit yhdeksi tietokannan kohteeksi. Samalla tulin miettineeksi, miten suurta huolellisuutta eri tietokantojen käyttö vaatiikaan, sillä todella huolimattomalta käyttäjältä olisi saattanut jäädä havaitsematta juurikin se, että valtioon kuuluvat saaret on tietokannassa omin kohteinaan ja esimerkiksi valtion pinta-alan määritykset olisivat menneet aivan pieleen. Hyvien ohjeiden kanssa samaan valtioon kuuluvien kohteiden yhdistäminen onnistui lähes mutkitta, mutta itsellä tuli ainakin sellainen olo, että ei ihan heti tulisi omin päin mieleen kokeilla esimerkiksi Geoprocessing Toolsien “Dissolve” -työkalua, jonka nimi ei oikein kuvaa toimintoa. Kun Afrikan valtioita kuvaava tietokanta saatiin kuntoon, yhdistettiin siihen erilaisia tietokantoja teemakarttoja varten.

Yhdistelemällä Afrikan karttaan tietokanta Afrikan väestöstä ja internetin käyttäjistä, sekä tuottamalla tietokantaan uusi sarake itse laskemalla, saatiin tuotettua esimerkiksi teemakartta internetin käyttäjien osuudesta koko väestöstä (kuva 1). Kartasta nähdään, että suurin internentin käyttöaste keskityy Afrikan pohjoisosiin, kuten Tunisiaan, Maliin, Marokkoon Senegaliin ja Libyaan. Suhteellisesti suurin käyttöaste on kuitenkin Keniassa. Matalimman internetin käyttöasteen maita on puolestaan keskittynyt Afrikan keskiosiin, kuten Etiopia, Kongon tasavalta, Somalia, Kongon demokraattinen tasavalta, Keski-Afrikan tasavalta, Chad ja Niger, joissa käyttäjien osuus väestöstä on alle 15 %.

Kuva 1. Internetin käyttäjien osuus väestöstä valtioittain Afrikassa 2018 (%).

Internetin käyttöasteen lisäksi tarkastelimme timanttikaivosten ja konfliktien määrä valtioittain, jotka olivat tietokannassa pistemuodossa, sekä öljykenttien määrää, jotka olivat puolestaan polygoneina.  Kun samaan tietokantaan yhdistetään tietoa monesta lähteestä, voidaan saada osviittaa mahdollisista tekijöiden välisistä yhteyksistä. Olisin esimerkiksi halunnut yhdistää internetin käyttöastetta kuvaavaan karttaan histogrammeina konfliktien määrän valtiossa, mutta jostain syystä en saanut tätä omalla koneellani QGIS:llä toimimaan. Katsoin useita videoita diagrammien teosta ja luin QGIS:n ohjeita, ja olin tehnyt kaiken kuten ohjeissa, eikä pylväät silti näkyneet. Olisin halunnut siis tehdä kartalle vertailun, vaikuttaako maan kehittyneisyysaste konflikteihin, mutta pelkkää taulukkoa tutkimallakin voi päätellä, että yleistä trendiä ei ole havaittavissa.

Kurssilla käytetyissä aineistoissa oli runsaasti tietoa konflikteista (paikka, vuosi, laajuus), timanttikaivoksista (löytämisvuosi, kaivausten aloitus, tuottavuus) ja öljykentistä (löytämisvuosi, poraamisvuosi ja tuottavuus), joita yhdistelemällä saisi mielenkiintoisia teemakarttoja aikaiseksi. Itse yhdistin samalle kartalle öljykenttien ja timanttikaivosten sijainnin, sekä konfliktien määrän (kuva 2). Kuvasta havaitaan, että luonnonvarojen läheisyyteen sijoittuu runsaasti konflikteja, mutta toisaalta konflikteja on myös muualla. Tarkempien syy-seuraussuhteiden selvittämiseen tarvittaisiin siis muutakin tietoa. Havaitsin, että Amanda Ojasalo oli tehnyt hyvin samanlaisen teemakartan aiheesta, jonka hän oli liittänyt blogiinsa. Hän oli myös tehnyt saman havainnon kuin itse, että rauhattomana pitämäni Libyan konfliktien määrä näytti 0. Ojasalo mainitsi Libyan viimeaikaisten ongelmien syntyneen vasta vuoden 2011 jälkeen ja tarkemmin attribuuttitaulukkoa tarkasteltuani havaitsin sen tietojen olevan vuodelta 1963-2003. Muita mielenkiintoisia tarkastelun kohteita olisi esimerkiksi timanttikaivoksen/öljykentän löytymisen tai toisaalta konfliktien vaikutus internetin käyttäjien lukumäärään eri vuosina.

Kuva 2. Timanttikaivosten ja öljykenttien sijainti Afrikassa, sekä konfliktien määrä valtioittain vuosina 1963-2003.

Toinen kurssikerran aikana esillä ollut teema oli Suomen jokien valuma-alueet, järvisyys ja tulvaindeksi. Tässä vaiheessa oli ilo huomata, että field calculatorin käyttö tulvaindeksin laskemiseksi sujui jo kuin vettä vaan (pun intended 😉 ).  Omalla koneella ongelmaksi koitui edelleen järvisyyttä kuvaavan histogrammin lisääminen, joka ei vaan yksinkertaisesti onnistu. QGIS luo kyllä uuden “alatason” layerille, mutta siltikään pylväät eivät näy. Kuvassa 3 on kuitenkin kuvattu Suomen vesistöalueiden tulvaherkkyttä, jonka pohdinnan jätän siihen, kun saan järvisyyden lisättyä esitykseen mukaan.

Kuva 3. Suomen vesistöalueiden tulvaherkkyys.

Lähteet:

Ojasalo, Amanda (2019). Tietokantaliitokset. Amanda Ojasalon blogi, luettu 7.2.2019. (luettavissa: https://blogs.helsinki.fi/amandaoj/2019/02/02/tietokantaliitokset/)

Viikko 2 – Projektioita ja tietokantaliitoksia

Toisella kurssikerralla jatkoimme QGIS:n perustoimintojen opettelua, sekä tarkastelimme projektion vaikutusta kartan muotoon, sekä kartalta mitattaviin etäisyyksiin ja pinta-aloihin. Samalla jatkui tietokantojen käytön opettelu usean eri harjoituksen muodossa.

Vertailimme projektion vaikutusta pinta-aloihin ja etäisyyksiin mittaamalla aivan Suomen pohjoisosasta omavalintaisen alueen pinta-ala (oma alueeni oli vajaa puolet Suomineidon päästä) ja omavalintainen matka Suomen poikki (mittasin suunnilleen Vaasan korkeudelta itään) ETRS89-TM35FIN -projektiossa. Pinta-alaa ja matkaa verrattiin muiden projektioiden mukaan mitattujen vastaaviin ja tulokset koottiin taulukkoihin 1 ja 2. Sekä pinta-alaa, että matkaa vääristivät eniten Lambert I  ja World Mercator. KKJ ja World Bonne säilyttivät pinta-alan ja matkan lähes muuttumattomana. Tuloksia tarkasteltaessa mieleen hiipi väkisinkin ajatus, kuinka paljon projektiovalinnalla voidaan tahallisesti tai tahattomasti luoda vääriä mielikuvia. Karttaa laadittaessa tai tulkittaessa tulisikin siis tuntea projektion käsite ja sen vaikutus karttaan tai siltä tehtäviin mittauksiin.

Taulukko 1. Projektioiden ilmoittaman pinta-alan vertailua ETRS89-TM35FIN -projektiossa mitatun alueen pinta-alaan. Taulukkossa on ilmoitettu absoluuttinen kokoero km²:nä, sekä kokoeron suuruus (%) suhteessa tarkasteltavan alueen pinta-alaan ETRS89-TM35FIN -projektiossa.
Taulukko 2. Projektioiden ilmoittaman matkan pituuden vertailua ETRS89-TM35FIN -projektiossa mitattuun matkaan. Taulukkossa on ilmoitettu absoluuttinen ero matkassa kilometreinä (km), sekä matkan pituuseron suuruus (%) suhteessa tarkasteltavan matkan pituuteen ETRS89-TM35FIN -projektiossa.

Projektioiden vääristymästä tehtiin visuaalinen esitys kartan muodossa (kuva 1), jossa kuvataan Mercator ja Eckert -projektioiden vääristymää Suomessa. Kummallakin projektiolla pinta-alat poikkeavat ETRS89-TM35FIN -projektion pinta-aloista eniten pohjoisessa ja vähiten etelässä, mutta vääristymän suurusluokka on täysin eri. Tämän vuoksi kuvan esitystapa onkin mielestäni hieman hämäävä, sillä vääristymän suuruus tulee vasta legendasta ilmi. Yleinen trendi kummassakin on kuitenkin sama johtuen tietysti maapallon muodosta.

Kuva 1. Mercator ja Eckert -projektioiden virhe (%) pinta-alassa verrattuna ETRS89-TM35FIN -projektiossa mitattuun pinta-alaan

Kurssikerran ohjelmaan kuului myös tietokantaliitoksen opettelu, joka ei ollutkaan yhtään niin vaikeaa kuin miltä se kuulostaa. Liitin kurssikerralla käytettyyn aineistoon, johon oli jo laskettu valmiiksi pinta-aloja eri projektioissa, tilaston kesämökkien määristä Suomen kunnissa. Näin sain laadittua vertailun (kuva 2), kuinka paljon käytetty projektio vaikuttaa muuttujan esittämiseen teemakartalla. Kuvassa vasemmalla on laskettu Suomen kuntien mökkien määrä keskimäärin neliökilometriä kohden World_Mercator -projektion pinta-alojen mukan ja oikealla ETRS89-TM35FIN – projektion mukaan. Johtuen suuresta erosta pinta-aloissa, saadaan myös merkittävät erot mökkien määrissä. Projektiovalinnalla on siis tässäkin merkitystä, minkälaista tietoa Suomen mökkikunnista saadaan. TM35-FIN projektion mukaan lasketuissa määrissä neliökilometriä kohden Keski-Suomi, Turun- ja Ahvenanmaan saaristot erottuvat tiheämmin rakennettuina mökkeilyalueina. Vasemmanpuoleinen kartta puolestaan ei anna todellista kuvaa Suomen mökkien sijoittumisesta. Pinta-alan vielä vääristyessä enemmän kohti pohjoista, näyttää suurin osa Suomesta kovin tyhjältä.

Kuva 2. Vertailu projektion mukaan laskettujen pinta-alojen merkityksestä teemakarttaa laadittaessa. Kuvassa vertailtu kesämökkien määrää kunnittain neliökilometriä kohden oikeapintaisen ja vääristävän projektion kesken.

Sen lisäksi, että sain kurssikerralla ja kotona tehtäviä tehdessä lisää varmuutta QGIS:n käyttöön, oli yksi kurssikerran suurimmista anneista eri projektioista koottu taulukko ja sen mukana tulleet oivallukset. Olen toki aina tiedostanut, että projektiolla on merkitystä pinta-aloihin ja välimatkoihin, mutta kun itse konkreettisesti näki, että virhe saattaa pahimmassa tapauksessa olla tuhansia prosentteja avautui asia vielä aivan uudella tavalla. Lukiessani muiden blogeja, pääsin vielä näkemään useampia vertailuja projektioiden kesken. Huomasin lisäksi, että olin itse toteuttanut vertailun hieman eri tavoin kuin moni muu. Esimerkiksi Nabila vertaili blogipostauksensa kuvassa 1  Lambertin ja Mercatorin projektioita samalla kartalla. Itse olin laatinut esitykset siten, että vertailin kaikkia projektioita TM35-FIN projektioon kartalla ja vertailin sitten näitä esityksiä keskenään.

Lähteet:

Nur, Nabila (2019). Toinen kurssikerta. Nabila Nurin blogi, luettu 1.2.2019. (https://blogs.helsinki.fi/nabila/2019/01/31/toinen-kurssikerta/)