Month: January 2019

 

Toisella kurssikerralla syvennyimme eri projektioihin ja niiden vaikutuksiin kartan tekemisessä. Vertailimme etäisyyksiä ja pinta-aloja Suomen kartalla eri projektioilla ja tulokset näkyvät taulukossa 1. Mercatorin projektiossa voidaan havaita Suomen kaltaisella pohjoisella alueella etäisyyksien vääristyvän runsaasti, mutta muiden projektioiden välillä ei ole läheskään yhtä merkittävää eroa. Vertaillessa tuli huomattua, että joidenkin projektioiden, kuten Mercatorin projektion, toimivuus ei ollut ehkä sitä parasta laatuaan Suomen alueella. Harjoitus konkretisoi hyvin projektioiden väliset eroavaisuudet ja selvensi projektion valinnan tarpeellisuutta.

Taulukko 1. Projektioiden vertailua pituuden ja pinta-alojen mittauksella.

Projektio	Matkan pituus kartalla	Pinta-ala kartalla
ETRS-TM35FIN	506,648 km	2 354,500 km²
Lambertin projektio	507,259 km	2 372,605 km²
Robinsonin projektio	740,197 km	3 297,692 km²
Mecatorin projektio	1 116,617 km	18 869,473 km²

Vertailimme projektioiden eroja myös kartalla ja tässä vaiheessa hermojani koeteltiin jo astetta enemmän kuin ensimmäisellä kurssikerralla. Aluksi olin jopa niin tyytyväinen kurssin alkuosion tuotoksiin, että vakuuttuneena kokojen vertailujen onnistumisesta, lähdin seuraavien tehtävien pariin kuin soitellen sotaan. Attribuuttitaulukoissa laskemisessa tämä ylimalkainen asenteeni kostautui ja sain täysin väärät luvut sarakkeeseen. Aikaisempaa postausta kirjoittaessani ihmettelin suuresti muiden kokemia suuria hermoromahduksia. (Epä)onnekseni näidenkään kirjoitusten taustat eivät jääneet tippaakaan epäselviksi QGIS:n kanssa tapellessani. Viimeistekin toivon rippeet alkoivat valua norona gis-luokan muovilattialle samaa tahtia kuin sarakkeen luvut kääntyivät lähemmäksi ukkini viikottaista lottoriviä kuin järkeviä prosenttilukuja. QGIS heitti vielä yhden kapulan rattaisiin irtisanomalla itsensä toimistaan. Ei siinä, kun sain QGIS:n auki, oikeat numerot sarakkeeseen ja laskut laskettua alkoi itseänikin jo huvittaa tämä tilanteen totaalinen eskaloituminen.  Ongelman takanahan ei toki ollut kuin yhden nollan puuttuminen jakolaskua suoritettaessa…

Attribuuttitaulukon nöyryytyksestä toivuttuani ja päänsisäisen tilanteeni rauhoituttua pystyin keskittymään luomukseni loppuun saattamiseen ja perehtymään eri projektioiden esittämiseen kartalla. Vertailin Mercatorin ja Lambertin projektioiden eroja kartalla (kuva 1). Siinä voidaan havaita konkreettisesti jo edellisissä harjoituksissa todettu oikeakulmaiselle projektiolle tyypillinen vääristymän kasvaminen lähempänä napoja. Ja eroa on paljon, Lapin pohjoisimmissa kunnissa jopa yli 700%.

 Vertailin myös Robinsonin projektion eroa Lambertin projektioon (kuva 2). Robinsonin projektiossa vääristymät on pyritty saamaan mahdollisimman pieniksi, eikä projektio ole oikeakulmainen tai oikeapintainen. Robinsonin projektiossa pinta-alan vääristymät kasvavat kauemapana Suomen kaakkoisnurkasta.

Jokin tiedon murunen jäi kuitenkin kurssikerralta uupumaan, sillä toistoista huolimatta täräytti QGIS pinta-alasarakkeeseen samat numerot muutamaan kertaan ja täytyi uuden projektiovertailukartan teko aloittaa alusta. En viitsinyt harjoittaa tätä epäpätevää taktiikkaani kolmatta kertaa, joten tällä erää vertailu Mercatorin ja Robinsonin projektioiden välillä jäi omalta osaltani esittelemättä. Näiden projektioiden vääristymä on samantyyppinen kuin Mercatorin ja Lambertin projektion kohdalla, mitä Julia havainnollisti hyvin blogissaan tekemällään kartalla. Lamppu varmaan syttyy itselleni näiden tietokantojen kanssa leikkimisen suhteen sitten aikanaan, toivottavasti. 

Seuraavassa harjoituksessa vertailin väestöntiheyttä Mercatorin ja Lambertin projektioilla. Näiden karttojen teosta jäi hyvä fiilis, koska sen suurempia ongelmia ei tullut enää vastaan! Tämä tehtävä konkretisoi projektion aiheuttaman vääristymän muuttujan esittämisessä. Molemmat kartat esittävät väestötiheimpien alueiden sijainnit, vaikkakin Mercatorin projektio (kuva 4) vääristää tuloksia enemmän pohjoisissa kunnissa. Suurimpana riskinä kun käytetään eri projektioita on se, että muuttujien arvot, tässä tilanteessa absoluuttiset väestöntiheyden lukuarvot, vaihtelevat suuresti.

Näin jälkikäteen hoksasin myös, että valitsemani väestöntiheysluokat eivät osoittautuneet kuitenkaan kaikkein pätevimmiksi, sillä Lambertin projektiossa (kuva 3) kasvukeskittymiä ei erota juuri niitä ympäröivistä alueista. Toisaalta samat luokat mahdollistavat projektioiden välisen vertailun. Puolensa siis tässäkin, vaikka Lambertin projektio voisi odotetusti esittää realistisempaa väestöntiheystilannetta. 

Tehtävien myötä projektioiden erot ja niiden valinnan tärkeys selvenivät kartan teossa. Sini totesi blogissaan projektioiden välisten erojen konkretisoituneen harjoitusten myötä ja voin kompata häntä hyvin asiassa! Attribuuttitaulukoiden kanssa työskentely aiheutti eniten harmaita hiuksia eri projektioiden kanssa näprätessä. Uskon kyllä, että  näiden laskutoimitusten salat tulevat kyllä selkenemään toiston ja rutiinien myötä. 

 

Ensi kertaan, Riina

Lähteet:

Sini-Maaria Ahtinen, QGIS ja hermoromahduksen ensiaskeleet (luettu 26.3.2019)(https://blogs.helsinki.fi/ahtisini/2019/01/22/kurssikerta-2/)

 

Geoinformatiikan menetelmät 1 -kurssi starttasi käyntiin viime viikolla. En olisi uskonut, että tulen yliopistoaikana tekemään tuttavuutta blogien kanssa ennenkuin kuulin, että kurssin suoritusmuotona toimii jonkinlaista rimakauhua herättävä blogin pitäminen. Tällä viikolla tomu on päässyt laskeutumaan ensimmäisen neljän tunnin session jäljiltä ja pystyn jo luomaan mukavampaa suhdetta tähän ihokarvani pystyyn nostattaneeseen kurssin julkiseen suoritustapaan ja paneutumaan tarkemmin kurssikerran tehtäviin. 

Ensimmäisellä kurssikerralla pääsimme suoraan asiaan: tutustumaan QGIS-paikkatieto-ohjelmaan. Uusi ohjelma oli minulle ennestään tuntematon ja tiesin, että “opeteltavaa tulisi olemaan paljon”, kuten myös Lotta Lehtola blogissaan kertoi. Lähdin matkaan avoimin mielin, eikä minulla juuri ollut ennakko-odotuksia kyseisestä ohjelmasta. Ensimmäisellä kurssikerralla minulle kuitenkin selvisi, että ohjelma on monipuolinen niin hyvässä kuin pahassa. Alussa uuden opettelu vie aikaa, mutta syvemmän tutustumisen myötä ohjelma alkaa toivottavasti tuntua enemmän omalta ja kaikkien ohjelman tarjoamien mahdollisuuksien hyödyntäminen alkaa helpottua.

Ohjelman käytöstä sai nopeasti otteen alkuohjeistuksen myötä. Perusominaisuudet selkiytyivät kun aloimme työstämään tehtävää Itämeren typpipäästöistä. Ohjelman eri toiminnot olivat ensi alkuun suhteellisen simppelit kun kuunteli ohjeita ja teki karttaa niiden mukana. Kun keskittyminen välillä herpaantui, oli kartan teon seuraavien vaiheiden tekeminen harvinaisen monimutkaista ja turhauttavaa. Näistä hetkellisistä hermoraunioitumisista huolimatta antoi QGIS itsestään varsin oivallisen ensivaikutelman. Mitä nyt kohtaamistamme näin päiviä myöhemmin pystyn muistelemaan.

Tällä viikolla ohjelman pariin palaaminen omin avuin tuotti alkuhankaluuksia,  jonka päättelin johtuvan joko liian ahkeran opiskelun tuottamasta työmuistin kuormittumisesta tai QGIS:n ihmeellisen maailman toiminnan hämärtymisestä viikonlopun aikana. Ylitsepääsemättömät ongelmani QGIS:n parissa osoittautuivat kuitenkin suhteellisen nopeiksi ratkaista, vaikkei näiden  yksinkertaisten aivopierujen selvittely jäänyt vain kertaan tai kahteen viikon aikana. Ohjelmat salat selvenivät useiden toistojen kautta ja peruselementit attribuuttitaulukoista ja karttojen luomisesta alkoivat vihdoin hahmottua.

Ohjelman käytössä yllätyin erittäin positiivisesti kartan ulkoasun luomisen helppoudesta, mikä tuntui täydelliseltä utopialta sen jälkeen, kun oli tottunut Tiedon esittäminen maantieteessä -kurssilla käyttämään Corel Draw-ohjelmaa ja asettelemaan jokaisen sanan omalle kohdalleen. Toisaalta kun kartta alkoi olla teknisesti valmis, pääsin innostumaan kartan sommittelusta ja värimaailman hiomisesta. Tämän takia karttojen tekemiseen tuskin kului  yhtään sen vähempää aikaa  kuin viime periodin kurssillakaan. 

Kurssikerralla tehty kartta kuvaa Itämeren alueen typpipäästöjä, mikä on aiheena varsin ajankohtainen ja mielenkiintoinen. Kartasta pystyy päättelemään Itämeren alueen valtioiden päästämien typpipäästöjen prosenttiosuuden. Kartalla painottuvat Puolan ja Venäjän suuret päästöt  verrattuna vähäiseen rantaviivaan. Runsaat typpipäästöt kertovat Itämeren suuresta ravinnekuormasta, mikä puolestaan lisää alueen rehevöitymistä ja vaikuttaa ekosysteemien toimintaan monin tavoin. Tyypillisiä typpipäästöjen aiheuttajia ovat eloperäisen aineksen päätyminen mereen jokien virtaaman mukana mm. heikosti puhdistetusta jätevedestä, maatalouden lannoitteista ja teollisuuden päästöistä. Typen päästöihin vaikuttaa reippaasti myös ilmasta laskeutuva hajakuormitus, jota kasvattavat mm. liikenne ja maatalous. 

Kartan värimaailma on mielestäni selkeä ja yhtenevä, muttei kuitenkaan täysin sellainen mistä itse pidän. Valtiot erottuvat paremmin kartasta ja tumman punainen kuvaa suurimpia päästöjä. Halusin, että tekstit sulautuvat värimaailmaan ja tein niistä tumman harmaat. Ensimmäinen versio kartastani ei ollut yhtä selkeä ja legendan sommittelu oli haasteellista.

Kiinnitin huomioni typpipäästöluokkien epäsuuruiseen jakautumiseen, kuten tekivät myös Oulan Inkeröinen ja Vilma Kaukavuori blogikirjoituksissaan. Typpipäästöluokat voisivat olla rajattuna eri tavalla, sillä esimerkiksi suurimmassa luokassa vaihtelu on laaja välillä 13.3% ja 33.7%, mikä ei anna kovinkaan täsmällistä informaatiota. Samassa päästöluokassa olevista valtioista ei pysty myöskään päättelemään valtioiden eroja tai typpipäästöjen absoluuttisia arvoja, mikä voisi olla mielenkiintoista tietää.

Ensimmäisessä harjoituksessa päätin tyytyä tasoon yksi ja lähinnä varmistaa, että perusjutut alkaisivat olemaan hallussa. Esitin kartassani (kuva 2) kesämökkien määrää alueittain ja halusin, että erot näkyvät myös pienimpien mökkikuntien välillä. Pienimmän luokan kokohaarukaksi otin tuhat mökkiä. Kartasta voi huomata suurimpien kesämökkikuntien sijoittuvan tyypillisesti suurten järvien reunamille sekä rannikolle. Pohjanmaan alavat alueet erottuvat kartalla vähäisellä mökkimäärällään. Koska kartta kuvaa absoluuttisia arvoja, ei esitys ole välttämättä yhtä vertailukelpoinen täysin eri kokoluokkia edustavien kuntien välillä toisin kuin jos kartalla esitettäisiin mökkien määrä suhteessa kunnan pinta-alaan.

Tehtävässä ongelmia ei tullut vastaan enää montakaan ja kartta valmistuikin ensimmäistä nopeammassa tahdissa. Eniten haasteita aiheutti tällä kertaa  kartan, legendan ja mittakaavan sommittelu. 

Karttojen tekemisen lomassa innostuin muokkaamaan myös blogin ulkoasua. Siinä hyödynsin CorelDraw-ohjelmaa ja onnistuin lisäämään otsikot kuvana blogiin ja kirjoitukseen. Tekstin tasaamisen sain apua Onni Pörhölältä. Hairahduin hetkeksi myös koskemaan blogin koodiin, mutta koodausyritykseni eivät kantaneet kovinkaan pitkälle, vaikka MOOC-kurssilaisista kovin inspiroituneena luulinkin olevani kykenevä puuhailemaan ulkoasun kanssa. Muutamia harha-askelia myöhemmin tajusin onneksi palata jo takaisin tutummaksi tulleen QGIS:n pariin. 

Tehtäviä oli kiva tehdä ja ne avasivat sopivasti QGIS:n maailmaa, johon en ollut aikaisemmin tutustunut. Opeteltavaa varmasti vielä riittää.

 

Ensi kertaan,

Riina