Month: January 2024

Toisella kurssikerralla oli minulle alku pääosin vanhan kertausta, olin jo tuonut aineistoja QGIS:iin rajapintojen avulla, joten pääsin kertaamaan muistiani. Tämän viikon tehtävät olivat melko lailla toisteisia, mikä oli oikein hyvä, eritoten QGIS:in tulostusikkuna on melko vaikeaselkoinen ja epäintuitiivinen, joten sen opettelu on kyllä hyödyksi.

Mielenkiintoista oli laskea pinta-alojen suhteita toisiinsa eri projektioissa ja visualisoida niitä kartoille. Koin hyödylliseksi ohjeet, joissa lisättiin rasteripohjaisia karttapohjia Quick Map Services -lisäosan kautta nykyiseen projektiin. Se toi etenkin tällaisessa tilanteessa mielestäni paljon luettavuutta karttaan. Tein kolme eri projektiota tähän harjoitukseen, sillä mielestäni ne kaikki erilaisina projektioina toivat lisätietoa ja hyvää harjoitusta QGIS:in käyttöön.

Aitoff

Ensimmäisenä projektiona esittelen Aitoffin projektion, joka on oikeapituisesta tasoprojektiosta tehty kompromissiprojektio, jossa muodot, pinta-alat, suunnat, pinta-alat ja kulmat ovat vääristyneitä. Nykyaikana Aitoffilla ei ole juurikaan käyttöä. (ArcGIS Pro, 2024) Alla olevassa kuvassa esittelen Aitoffin projektion aiheuttamia pinta-alavääristymiä Suomen kunnissa koropleettikartan avulla.

Kuva 1: Aitoffin projektion pinta-alojen vääristyminen.

Kuvassa näkyy hyvin, kuinka pituuspiirit eivät ole kuvassa suoraan alhaalta ylös, vaan menevät enemmän “pallon suuntaisesti”, jolloin pohjoisnuolikaan ei osoita suoraan ylös, vaan pohjoisnavalle. Pinta-alat ovat hiukan vääristyneet, mutta eivät juurikaan eroa Etelä-Suomen ja Pohjois-Suomen välillä. QGIS näyttänee Greenwichin meridiaani on tässä projektiossa pystysuora, jolloin Greenwichistä itään olevat pituuspiirit kääntyvät kohti vasemmalla olevaa pohjoisnapaa, päiväntasaajasta etelään toki etelänapaa. Hauska huomio on myös se, kuinka lännessä pinta-alat vääristyvät enemmän kuin idässä, jos tarkastellaan samaa leveyspiiriä.

Mercator

Seuraavana esittelen Mercator World -projektion, joka on hyvin ongelmallinen juuri pinta-alojen esittämisessä. Lähellä napoja olevat pinta-alat vääristyvät hyvin vahvasti, mikä näyttää päiväntasaajan lähellä olevat kohteet paljon pienempinä, mitä todellisuudessa olevat. Alla olevassa kuvassa on Mercatorin projektion pinta-alojen suhteet eri Suomen kunnissa esiteltynä koropleettikartassa suhteessa TM-35FIN -projektioon.

Hauskana yksityiskohtana kuvassa on se, että myös mittakaavanuoli on täysin vääristynyt. En tiedä, mistä QGIS-ohjelmisto ottaa mittakaavan, mutta se ei varmasti ainakaan ota sitä Suomesta. Se näyttää Suomen hyvin lähelle kaksi kertaa liian suurena, joten varmaankin se ottaa mittakaavan päiväntasaajan ja Greenwichin nollapituuspiirin risteyksestä. Saakohan sitä muutettua QGIS:istä, en osaa nyt sanoa. Nicolai Roel (2015) artikkelissaan esittelee vanhoja merenkulun karttoja ja myös esittelee mallin Mercatorin projektion etäisyysvääristymästä eri leveyspiireillä. Alla olevassa Roelin (2015) kuvassa näkyy Mercatorin etäisyysvääristymät leveyspiirien mukaan. Tämän kuvaajan mukaan QGIS ottaa mittakaavan päiväntasaajalta.

Kuva 3: Mercator distance distortion. Lähde: Roel, N., 2015.

Pinta-alat menevät tietysti etäisyyden toiseen potenssiin, joten kuvani 2 mittakaavat näyttävät etelässä noin nelinkertaisia pinta-aloja TM35-FIN projektioon verrattuna ja pohjoisessa Suomessa kahdeksankertaisia. Helsinki on hyvin lähellä 60 leveyspiirillä, jolloin nelinkertainen pinta-ala tuntuu loogiselta. Inari on 68 leveyspiirillä, joka Roelin (2015) kuvaajalla näyttää olevan noin 2,7. 2,7²=7,29. joten tällainen pieni päättelyharjoitus näyttää, miten vahvasti leveyspiirin melko pienkin muutos suurilla leveyksillä vaikuttaa hyvin vahvasti pinta-alan suhteeseen TM35-FIN -projektioon verrattuna.

Winkel Tripel

Kolmantena projektiona esittelen vielä Winkel Tripel -projektion ja Suomen kuntien pinta-alat suhteessa TM35-FIN -projektioon. Siinä myös pituuspiirin ollessa muu kuin 0, pituuspiiri ei menee pystysuoraan altaalta ylös. Pinta-alat myös vääristyvät enemmän kuin Aitoffin projektiossa leveyspiirin kasvaessa, mutta erot Etelä-Suomen ja Pohjois-Suomen välissä eivät ole valtavia. Alla olevassa kuvassa esittelen Winkel Tripel -projektion tuottaman Suomen kuntien pinta-alojen vääristymät esiteltynä kartassa suhteessa TM-35FIN -projektioon. 

Harjoitus oli hyvin hyödyllinen ja jätti vielä avoimia kysymyksiä QGIS:in käyttöön. Mistä QGIS hakee mittakaavan? Voiko sitä muuttaa?

Lähteet:

ArcGIS Pro, 2024. Aitoff, verkkosivusto: https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/aitoff.htm, viitattu 30.1.2024.

Roel, N., 2015. The Premedieval Origin of Portolan Charts: New Geodetic Evidence. Artikkeli: https://www.researchgate.net/publication/283519539_The_Premedieval_Origin_of_Portolan_Charts_New_Geodetic_Evidence, viitattu 30.1.2024.

Aloitin kurssini QGIS:in käytön lämmittelyllä MAA-104 kurssin oppeja muistellen. Paarlahti opasti hyvin takaisin QGIS:in maailmaan ja opinkin taas paljon uutta.  Perustoiminnot takaisin haltuun, uusia vinkkejä myös. Käyttöliittymältään ja perustoiminnoiltaan QGIS muistuttaa aika paljon Corel Draw -ohjelmistoa, mitä käytettiin runsaasti viime periodin Tiedon esittäminen maantieteessä -kurssilla.  Typpipäästöt sain koropleettikartalle ja järvetkin ja syvyyskäyrät sain melko kauniiksi pikaisesti muuttamalla niiden reunaviivat läpinäkyviksi. Alla on kuva  valmiista typpipäästö-kartasta.

Kuva 1: Typen päästöt valtioittain Itämerellä

Kartta näyttää Puolan pahimpana saastuttajana, Ruotsin ja Venäjän heti perässä ja tämän jälkeen pienempinä syyllisinä Suomen, Latvian, Tanskan ja Saksan.  Viro ei tällä kartalla juhli, mutta se on vaan hyvä asia! Luulen, että Tanskan melko pieniin päästöihin vaikuttaa se, että osa maatalouden päästöistä menee Pohjanmereen, samaten kuin Saksan maatalouden päästöistä vain pieni osa onneksi päätyy pieneen, saastuneeseen sisämereemme.

Rajapintoja ja merkistöongelmia

Toisena harjoituksena päätinkin hypätä syvään päätyyn ja lähteä tyhjästä määrittelemään rajapintoja ja tuomaan tilastokeskuksen dataa kuntakartalle. Haasteiden jälkeen kartta on valmis ja jatkossa onkin helpompi keskittyä sisältöön ja sisällön järkevyyteen kuin itse prosessiin. Sain melko helposti löydettyä QGIS-ohjelmistosta rajapinnan, josta löysin sopivan kuntapohjan tekemisilleni. Seuraavaksi päätinkin lähteä tilastokeskuksen sivuille etsimään jotain “hauskaa” dataa tyhjän kuntakarttani päälle. Attribuuttitaulukoista olin tarkistanut, minkä muotoista dataa olisi hyvä löytää ja sehän oli kuntapohjaista.

Mietin ensin kuolematilastoja, mutta kevyen ja riehakkaan torstai-aamun johdosta päädyinkin avioerotilastoihin. Sain ne helposti tuotua .csv-muodossa QGIS-ohjelmistoon, mutta ääkkösten koodaus oli aivan metsässä. Löysin kuitenkin sopivan Unicoden, kun UTF-8 ei jostain syystä toiminut ja pilasi datan. Pienten haasteiden jälkeen sain datan yhdistettyä kuntakarttaan ja osa kunnista puuttui! Tilastokeskus oli koodannut ruotsinkieliset kunnat virallisella nimellä ensin, toisin kuin rajapinnasta saatu kuntakartta, joten ei muuta kuin käsitöihin. Ingåsta Inkoo, Jacobstadista Pietarsaari ym. Nyt minulla oli avioerot yhdistettynä kunta-aineistoon, mutta eihän sillä mitään tehnyt. Hain tilastokeskuksesta väestömäärät ja toin ne QGIS-ohjelmistoon, jouduin jälleen jumppaamaan ruotsinkielisten kuntien nimet suomenkielisiksi, jonka jälkeen helmitaululla, Open Field -calculatorilla suoritin operaatiot, että sain avioerotilastot suhteellisiksi luvuiksi väkiluvun mukaan. Kerroin vielä sadalla, että saatiin prosentit. Väsäilin jotkut melko sopivat välit, että sain kuusiportaisen asteikon avioerotodennäköisyyksille kunnittain vuonna 2022.  Alla kuvassa 2 on avioerotodennäköisyydet vuosittain kunnittain esitettynä koropleettikartalla.

Kuva 2: Avioeron todennäköisyys eri Suomen kunnissa

Sinänsä tämä on ihan hyvä kartta, mutta etenkin pienissä kunnissa vuosittainen avioerojen määrä saattoi olla nollasta kolmeen avioeroa. Tässä on varmasti suurta vuosittaista vaihtelua, mikä näkyy suurena vaihteluna eri vuosien välillä. Paremman kartasta saisi, mikäli ottaisi tarkasteluun esimerkiksi kymmenen vuoden avioerot. Tämä vaatisi hiukan taulukko-ohjelmistossa laskutoimituksia, mutta olisi melko helposti tehtävissä. Päätin kuitenkin tässä harjoituksessa opetella tuomaan dataa ja visualisoimaan sitä melko yksinkertaisesti. Tämä kuitenkin toi huomattavasti luottoa omaan tekemiseen jatkossa, erittäin hyvä harjoitus.

Lähteet: