Kuukausi: tammikuu 2018

Toisen kurssikerran pääaiheena oli projektioiden vertailu. Tarkoituksena oli tutustua eri projektioiden aiheuttamiin muutoksiin pinta-aloissa, ja visualisoida kiinnostavimmat vääristymät kartoilla.

QGIS alkoi oppitunnin mittaan tuntua helpommalta, ja etenkin print composerin käyttö luonnistui jo ulkomuistista. Ilmeisesti viikonlopun omista harjoitteluista oli jotain hyötyä! Sain kartat tehtyä muutaman toiston jälkeen, ja koska samalla oli mahdollista keskustella muiden kurssilaisten kanssa aiheesta ja muista elämän ongelmista, oli karttojen tekeminen kivaa ja mukavaa ja hauskaa. :). Oppitunnin jälkeen koin hetken jopa olevani kuin kala vedessä tässä yliopistomaailmassa. Onnistumisen tunteet on joskus ihan jees.

Ensimmäisessä Hra Paarlahden opastuksella tehdyssä kartassa (Kuva 1) on visualisoituna Mercatorin oikeakulmaisen projektion aiheuttamat pinta-alavääristymät koropleettikarttana. Mercatorin projektio vääristää kaikkein eniten pohjoisten leveyksien pinta-aloja, ja tämä erottuu kartalla tummimmalla violetilla. Vääristymä on Suomen alueella enimmillään 564-724%, eli rautalangasta väännettynä Mercatorin projektiossa Suomen pohjoisimpien alueiden pinta-alat ovat n. 5-7 kertaa suurempia kuin Lambertin projektiossa. Pienimmät vääristymät ovat tietenkin eteläisimmässä Suomessa jossa vääristymä on vähimmillään ”vain” miltei kolminkertainen.

Karttani on esitetty Lambertin projektiossa, koska se on oikeapintainen projektio (lähde: Spatial Reference), ja pinta-aloja tarkastellessa tärkeää on visualisoida kartta oikeapintaisena.

Toisen kartan (Kuva 2) projektioksi valitsin Gauss-Laborde Reunion poikittaisen Mercatorin projektion ilman mitään erityisempiä perusteita. Tavoitteenani oli luoda kartta, jossa vääristymät näkyvät visualisoituna selkeästi. Projektiota käytetään yleensä eteläisellä pallonpuoliskolla, Intian valtamerellä sijaitsevan La Reunionin saaren kartoissa, joten Suomen karttaprojektiona se tuskin on paras mahdollinen. Kuitenkin vääristymät ovat yllättävän pienet: suurimmillaankin vain 9%! Projektio tosiaan on poikittainen Mercatorin projektio, ja usein koko Suomen valtiota kuuvaavissa kartoissa käytettävä ETRS-TM35FIN -projektio on sekin poikittaiseen Mercatorin projektioon perustuva (lähde: Eino Uikkanen). Vääristymän vähyys saattaisi siis nopeasti pääteltynä johtua siitä.

Molemmat karttani ovat omasta mielestäni visuaalisesti hyvin selkeitä ja informatiivisia. Löytyy pohjoisnuolet, mittakaavat ja legendat. En halunnut ilmoittaa kartassa sen aihetta, sillä koin informaation tuomisen selkeästi esiin otsikkomuodossa ilman predikaattia vaikeaksi. Päätin siis kertoa kuvateksteissä tarkemmin ja selvemmin virkemuodossa, mitä kartta kuvaa.

En töhönä muistanut, miten internet-sivustolta haettuun lähteeseen viitataan, joten kävin katsomassa – oletettavasti – oikeaoppisen viittaustavan Lyyra Furun blogista. <3

Oispa muuten hei kiva jos aina tuntus näin helpolta tämä GIS. Näiden harjoitusten yhteydessä tuli niin monta kertaa toistettua samoja asioita, niin siinähän sitä oppii, koska kuulemma joku joskus on väitti, että harjoitus tekee mestarin.

 

Lukemisiin,

-Varpu

 

Lähteet:

Eino Uikkanen (28.10.2017). Suomalaiset koordinaatistot.  http://www.kolumbus.fi/eino.uikkanen/geodocs/kkjgps.htm (Luettu 24.1.2018)

Furu, Lyyra. 1. Kurssikerta: QGIS-ohjelman käyttöönotto (18.1.2018)  https://blogs.helsinki.fi/fufufu/2018/01/18/moikka-maailma/  (Luettu 24.1.2018)

Spatial reference (2007). Epsg projection 3035 – etrs89 / etrs-laea.  http://spatialreference.org/ref/epsg/etrs89-etrs-laea/ (Luettu 24.1.2018)

 

Pölyn laskeuduttua ensimmäisen kurssikerran järkytyksen jälkeen pakkasin HP:n läppärini ja itsevarmuuteni, ja suunnistin eräänä lauantai-iltapäivänä (toissapäivänä) inspiroivaksi toteamaani kahvilaan, ja tartuin härkää sarvista, tai toisin sanoen QGIS:iä projektista. Suunnitelmissahan oli luoda täydellinen kartta siinä ohimennen karamellilattea lipittäessä, mutta eihän se tietenkään ihan niin mennyt.

Sokeana noudatin kurssikerran kirjallisia ohjeita kohta kohdalta, ja tiettyyn pisteeseen näytti siltä, että kaikki sujuu kuten pitää. En kuitenkaan millään onnistunut liittämään joitain tasoja toisiinsa, ja olin jumissa. Hädissäni kysyin ystäviltäni apua, ja he neuvoivat parhaansa mukaan, kunnes selvisi, että olin yrittänyt yksinkertaista asiaa monen mutkan kautta ja liian kaukaa kiertäen. Klassinen virhe. Sen jälkeen jatkoimme matkaamme QGIS:n kanssa sovussa käsikkäin.

Tein koropleettikartan Suomen kuntien työttömyysasteista. Valitsin monista sarakkeista juuri työttömyyden, sillä se oli ilmoitettu attribuuttitaulukossa valmiiksi suhdelukuina, mikä vähentäisi potentiaalisia virheitä laskutoimituksia suorittaessani. Arvelin siis pääseväni helpolla. Näköjään karma liittyi peliin, sillä kuten aiemmin mainitsin, hankin itselleni muutaman kiertotien.

Työttömyyskartasta selviää Suomen eri alueiden työttömyysasteen erot. Suurimmillaan työttömyys on Pohjois- ja Itä-Suomessa, erityisesti Sallassa ja Taivalkoskella (20-22,6%). Puolestaan kaikkein paras työllisyystilanne näyttäisi olevan Pohjanmaan ja Ahvenanmaan maakunnissa, sillä työttömyysaste on jopa alle 5%! Kuulostaa utopistiselta minusta. Itse tulen Pohjois-Savosta, ja kartan mukaan siellä näyttäisi pitkälti olevan työttömiä sen 10-15% väestöstä.

Jo useamman vuoden ajan on ollut esillä – tai jossain pimeydessä vaanimassa – kauhukuva, jossa pienet suomalaiset maalaiskunnat näivettyvät. Palvelujen keskittyessä työikäistä väestöä muuttaa pienistä kunnista kasvukeskuksiin, jolloin kunnan veronmaksajat/kuluttajat/työntekijät vähenevät kiihtyvällä vauhdilla. Yritykset joutuvat kysynnän pienentyessä pahimmassa tapauksessa – nykyään valitettavan usein – joko lopettamaan toimintansa tai muuttamaan suurempiin keskuksiin, jolloin pienen kunnan työpaikat vähenevät ja työttömyys kasvaa. Kunta joutuu noidankehään, jossa ilmiöt voimistavat toisiaan, ja seurauksena on varallisuuden väheneminen. Tällaisia kuntia on juuri Itä- ja Pohjois-Suomessa paljon, joskin kuntaliitosten myötä yhä vähemmän. Jokseenkin ironista. Pienillä kunnilla menee huonosti, ja ne liitetään suurempiin lähikuntiin keskittämisen varjolla ja hallinnollisten toimintojen tehostamiseksi, minkä seurauksena tilastoissa niitä ja niiden ongelmia ei näy enää lainkaan. Sad.

Visuaalisesti kyhäämäni kartta on minusta hyvinkin mainio. Pinkkihän on väriteemana aina ihan tosi ihana ja siitä tulee hyvä mieli :)))))<3<3<3 Legendasta erottuu selkeästi eri sävyjen kuvaamat arvot, ja samoin ne voi erottaa myös kartalta. Polygonit tummenevat arvojen kasvaessa, mikä yleensä koropleettikartoissa on perusoletuksena. Jos on jotain parannusehdotuksia, niin vinkkejä otetaan vastaan!

[EDIT: Olivia Halmeen selkeästi visualisoitua vuokra-asuntojen osuus -karttaa tutkaillessani huomasin, että oman karttani violetin sävyiset kuntarajat eivät erotu tummimmasta asteesta! Eli itseasiassa Sallaksi mainitsemani kunta koostuukin Sallasta ja Pelkosenniemestä, joissa molemmissa työttömyysaste on 20-22,6%. Jestas.]

Projektion kanssa minulla oli hieman ongelmia. Oppitunnilla vaihdoimme vartavasten projektion yleisesti suositelluksi ”EPSG: 3035”:ksi, ja Itämeren typpipäästöjä kuvaavasta kartasta tuli järkevän näköinen. Työttömyyskarttaa tehdessäni tein samoin, ja kartta meni jostain syystä kallelleen. Suomineito oli jokseenkin etukenossa. En löytänyt neitokaisen tasapaino-ongelmaan ratkaisua kyseisessä projektiossa, joten käytin QGIS:n aluksi tarjoamaa ”EPSG: 3047” -projektiota. Ehkä meni pieleen, ehkä ei? Jos joku tietää tästä mitään niin nakatkaa minua kommenteillanne pliis.

Savolainen ei näköjään ossaa kirjottaa lyhyvesti. Kiitos ja lukemiin.

-Varpu

 

Lähteet:

Halme, Olivia. 1. kurssikerta: Räpiköintiä QGis-meressä (19.1.2018) https://blogs.helsinki.fi/halmeoli/2018/01/19/1-kurssikerta-rapikointia-qgis-meressa/ (Luettu 22.1.2018)

Moiksun moi ja tervetuloa lukemaan meikäläisen blogia Geoinformatiikan menetelmät 1 -kurssille! Jos herää mitään ajatuksia mun teksteistä tai kartoista niin kommentit on oikein lämpimästi tervetulleita ja oikeastaan jopa hyvin toivottuja (pls help).

Ensimmäisellä kurssikerralla Herra Paarlahti alkoi tutustuttaa meitä avuttomia raukkoja ja muutamaa joukon synnynnäistä GIS-velhoa QGIS-paikkatietojärjestelmään. Edeltävässä periodissa käyty Tiedon esittäminen maantieteessä -kurssi aiheutti minulle, kuten varmasti monelle muullekin, turhautumisen ja epätoivon hetkiä, mutta kuten kokeneemmilta opiskelijoilta sain kuulla, ettei TEM-kurssi olisi vielä mitään verrattuna tulevaan, eli tämän blogin aiheeseen, GEM1-kurssiin. Aiemmin saimme taiteilla CorelDraw:illa kauniita karttaluomuksia ja toteuttaa taiteellisia unelmiamme. Nyt kuitenkin edessämme häämöttää pitkä tie paikkatiedon monimutkaiseen mutta kiehtovaan maailmaan.

Itse en ollut koskaan kuullut sovelluksesta (tulevasta pelastusrenkaastani) nimeltä QGIS. Ensikohtaamiseemme sisältyi useita hämmästyksen, pettymyksen ja turhautumisen tunteita. En ymmärtänyt QGIS:in toimintoja, eikä välillemme tuntunut löytyvän yhteistä kieltä. Kuitenkin, oppitunnin edetessä arvoisan Hra Paarlahden opastuksella aloimme jokseenkin ymmärtää toisiamme, vaikka salaa ikävöinkin ystävääni Corelia.

Teimme koko ryhmän kanssa rautalangasta vääntäen ominaisuustiedoiltaan samanlaiset, joskin visuaalisesti toisistaan pikkeavat, kartat Itämerta ympäröivien valtioiden typpipäästöistä. Karttaa tehdessä en suoraansanottuna tiennyt mitä olin tekemässä, ja miksi joitakin valintoja tehtiin, ja esimerkiksi pluginien lisäämisen merkitys on minulle edelleen suuri mysteeri. En myöskään ehtinyt ajatella tekemäni kartan sisältöjä juuri lainkaan, sillä yritin kaikkeni pysyä mukana ohjeistuksessa. Myöhemmin tuotostani tutkaillessani huomasin, ettei luomastani kartasta oikein selviä, mitä tekemistä typen arvoilla on minkään kanssa. Onneksi kuitenkin Tuuli Lahin blogissaan selventää, että luvut kuvaavat eri valtioiden osuuksia Itämeren typpipäästöjen kokonaismäärästä.

Karttani on mielestäni visuaalisesti melko selkeä, lukuunottamatta Itämeren syvyyskäyriä. Niistä ei oikein saa selvää, ja kartan Itämeri näyttää huvikseen kuvioidulta. Värivalinnat niin merelle kuin syvyyskäyrille olisivat siis voineet olla paremmat.

Kaikkein heikoin osa kartassa on kuitenkin legenda. Kartasta selviää, että Puolassa typen osuus on huomattavasti suurin, ja jaetulla toisella sijalla pitkän välimatkan päässä ovat Venäjä, Ruotsi ja Liettua. Tämä ei kuitenkaan kerro mitään päästöistä, vaan pelkistä typen suhteellisista määristä jossain paikassa tai tilassa X. Kartta on siis tiedon visuaalisena esityksenä erittäin epäpätevä. Tulevaisuudessa paremmin.

 

Kiitos kaikille lahjakkaille,

-Varpu

 

Lähteet: 

Lahin, Tuuli: Ensimmäinen kurssikerta (17.1.2018) https://blogs.helsinki.fi/lahintuu/2018/01/17/ensimmainen-kurssikerta/    (Luettu 21.1.2018)