Month: January 2019

Kurssikerran 2. harjoituksissa tutustuttiin tarkemmin karttaprojektioihin ja miten projektion valinta vaikuttaa käsiteltävään dataan. Tunnilla harjoiteltiin myös erilaisten valinta- ja mittaustyökalujen käyttöä. Kuten ensimmäisen kurssikerran tehtävissä, myös tämän kerran harjoitusten hallitsemisessa tärkein työkalu on mekaaninen toisto, jotta menetelmät tulisivat varmasti tutuksi. Toistoa tuli kurssikerralla harjoiteltua paljon ja lopussa huomasin jo käyttäväni Composer -valikkoa aikaisempaa sujuvammin. Myös laskutoimitusten pähkäily ja attribuuttitaulukon navigointi alkaa pikku hiljaa tuntua luonnolliselta.

Tehtävänantona oli tällä viikolla verrata Lambertin Equal Area ja Mercatior -projektioiden prosentuaalisen eron kuviota johonkin itse valittuun projektioon. Valitsin verrattavaksi projektioksi Mollweide world -projektion nähdäkseni kuinka koko maailman kattava projektio vääristää Suomen pinta-aloja, joka näkyy karttaparista 1. Yllätyksekseni huomasin projektion näyttävän kuntien pinta-alat lähes oikean kokoisena. Huomattavaa on, että sekä Lambertin että Mollweiden projektiot ovat laadultaan oikeapintaisia ⁽¹⁾, eli niiden esittämät pinta alat ovat totuudenmukaisia, kun taas niiden esittämät kulmat sekä pituudet ovat vääristyneitä. Mollweiden projektiosta huomataan voimakasta muotojen vääristymää, mutta pinta-alojen esittämiseen se kuitenkin sopii kuvasta päätellen melko hyvin.

Mercatorin projektio puolestaan on laadultaan oikeakulmainen⁽¹⁾, mikä tarkoittaa sen esittämien kulmien olevan kartalla oikeita, mutta pinta-alojen ja etäisyyksien vääristyvän. Tämä nähdään karttaparista 1. tarkastellessa Mercatorin projektion karttakuvaa. Kuvasta huomataan projektion vääristävän erityisesti Pohjois-Suomen osia, kun taas etelässä pinta-alat vastaavat paremmin todellisuutta. Tämä johtuu Mercatorin projektion projisoinnista, sillä projisointiin käytetty sylinterimalli leikkaa maapallon päiväntasaajan kohdalta. Kauemmaksi päiväntasaajaa mennessä pinta-alat vääristyvät enemmän, mikä nähdään kartalla tasaisena gradienttina. Kun palataan Mollweiden projektion vääristymän karttakuvaan huomataan mielenkiintoinen yksityiskohta: vääristymän gradientti ei ole etelä-pohjoissuunnassa täysin tasainen. Samanlainen ilmiö huomataan esimerkiksi Julia Salmen karttavertailussa⁽²⁾, jossa nähdään kompromissiprojektio Van der Grintenin vääristävän pinta-aloja useasta eri suunnasta. Huomioitavaa on huomata vääristymien skaalan olevan eri. Tämän huomioi myös Riikka Matikainen blogissaan.⁽³⁾

Tarkastellaan seuraavaksi, miten pinta-alat vaikuttavat absoluuttisten muuttujien esittämiseen kartalla. Absoluuttiset muuttujat, kuten esimerkiksi kuntien väkiluvut, suhteutetaan kartalla esitettäessä pinta-aloihin, jotta saataisiin esimerkiksi väestöntiheyttä kuvaava arvo. Kuten Kuvassa 2. on esitetty Suomen kuntien väentiheys vuonna 2015 suhteutettuna Lambertin sekä Mercatorin projektioon. Vaikka Mercatorin projektio vääristääkin huomattavasti pinta-aloja, huomataan karttanäkymien olevan lähes samanlaiset pieniä eroja lukuunottamatta. Kuitenkin tarkastellessa karttaparin legendoja huomataan Lambertin projektion esittämän väentiheyden olevan huomattavasti suurempi. Koska Mercatorin projektio vääristää alueita näyttämällä lähellä napoja olevat alueet todellisuutta suurempina, on järkevää että myös väentiheys on saadulla kartalla todellisuutta pienempi. Karttaa lukiessa täytyy myös ottaa huomioon, että kummatkin kartat noudattavat omaa luokitustaan. Jos karttojen luokkien koot vastaisivat toisiaan, näyttäisivät myös syntyneet kartat erilaisilta.

Lähteet:

⁽¹⁾Wikipedia – List of Map Projections https://en.wikipedia.org/wiki/List_of_map_projections (katsottu 26.1.2019)

⁽²⁾J. Salmi. Osa 2: Projektivalintojen pohdintaa. https://blogs.helsinki.fi/jhsalmi/ (katsottu 26.1.2019)

⁽³⁾R. Matikainen. Viikko 2 – Projektioita ja tietokantaliitoksia. https://blogs.helsinki.fi/riikkama/ (katsottu 21.3.2019)

Ensimmäisellä harjoitustunnilla tutustuttiin ohjelman käyttöliittymään ja sen perustoimintoihin. Tunnin aikana opeteltiin erityisesti navigoimaan tasojen properties -valikkoa sekä attribuuttitaulukkoa ja Composer -näkymää. Lopputuloksena tuotettiin kartta Itämeren suurimpien typpipäästöjen aiheuttajista.

Viikon harjoitustehtävässä tuotettiin koropleettikartta avoimen⁽¹⁾ lähdekoodin QGIS -ohjelmalla. Päätin keskittyä jo tunnilla opittujen asioiden kertaamiseen ja valitsin siksi käsiteltäväksi kartaksi tunnilla opeteltua muistuttavan. Materiaalina käytin karttaa Suomen kunnista vuodelta 2015, johon oli liitetty perustietoja kunnista. Alun perin ajatukseni oli tuottaa kartta ruotsinkielisen väestön osuudesta koko kunnan väkilukuun nähden. Huomasin kuitenkin, ettei osuuksien esittäminen koko Suomen kartalla ole mielekästä toisistaan voimakkaasti poikkeavien arvojen vuoksi. Lopulta päätin harjoituskartassa kuvata Suomenkielisten osuutta koko kunnan väestöstä. Huomasin nopeasti kertaamiseen tulleen tarpeeseen ja jouduin useasti palaamaan ohjelman peruskäyttöohjeisiin. Huomasin apuna olevan suuresti myös ohjelman virallinen käyttöohje⁽²⁾, joka lyötyy QGIS:in verkkosivuilta.

Kuvan 1. kartta syntyi jakamalla Suomenkielisten asukkaiden osuus kunnan väestöstä koko kunnan väkiluvulla. Suuri haaste tehtävässä oli hahmottaa attribuuttitaulukosta halutut arvot ja muodostaa niiden pohjalta toimiva lauseke laskuritoiminnolla. Erona tunnin harjoitukseen esimerkkikartassani oli se, että laskutoimituksessa jakajana toimi koko taulukon summan sijasta tapauskohtainen taulukon arvo. Myös attribuuttitaulokon arvoja tarkastellessa huomasin joutuvani miettimään erityisen tarkasti, mitä taulokon arvot merkitsevät. Laskutoimitustyökalun lisäksi sain harjoitusta myös attribuuttitaulukon hallinnassa sekä sen toiminnoissa.

Aineiston luokittelussa ongelmaksi muodostui sen silmää miellyttävä esitys kartalla. Koska ero eri prosenttiluokkien välillä oli aineistossa suuri, totesin käsin luokitellun aineiston visualisoivan sitä hieman valmiita luokittelutapoja miellyttävämmin. Luokittelun pohjana käytin luonnollisia luokkarajoja. Tasasin pienempiä prosenttilukuja sisältäviä luokkia hieman, sillä ne olivat alkuperäisessä luokittelussa turhan suuria. Suurimpien luokkien erot puolestaan ovat myös lopullisessa kartassa erittäin pieniä.

Kuvan kartassa korostuvat tummempana erityisesti Keski-Suomen alueet. Rannikoilla, itärajalla sekä Lapissa puolestaan muiden kuin suomenkielisten asukkaiden osuus kunnan väestöstä on suurempi. Kaikista suurin osuus muunkielisiä on Ahvenanmaalla, jossa ruotsinkielisen väestön määrä ylittää Suomenkielisen. Kuten luokittelusta näkyy, väestö on suurilta osin suomenkielistä.

Apuna toimivat myös muiden kurssilaisten tyylikkäät kartat, esimerkiksi Elisa Ahon⁽³⁾ harjoituksen 1. kartta 2. eläkeläisten osuudesta kunnittain. Lopullisessa kartassa pyrin panostamaan erityisesti sen visuaaliseen ilmeeseen, esimerkiksi väreihin ja helppolukuisuuteen. Toisaalta karttaa voidaan myös pitää hieman harhaanjohtavana sen värimaailman vuoksi. Luokkarajojen välien pienentyminen prosenttiosuuden kasvaessa saattaa johtaa lukijaa harhaan ja saada osuuksien näyttävän suuremmilta tai pienemmiltä kuin ne todellisuudessa ovat. Toisaalta visuaalisesti suurempi kontrasti luokkien välillä tekee siitä helppolukuisemman.

Koska harjoitustyön tarkoituksena oli opetella ohjelman sujuvaa käyttöä, pyrin myös huomioimaan lopullisen karttakuvan sommittelun. Huomasin erityisesti Composer -näkymän työkalujen käytön kaipaavan vielä harjoitusta. Mielestäni eräät kartan visualisontiin liittyvät toiminnot, kuten legendan elementtien fonttikoon muuttamien sekä kartan kanvakselle sijoittelu on ohjelmalla turhankin haastavaa.

Lähteet:

⁽¹⁾L. Ahola. Ensikosketus QGIS:iin. https://blogs.helsinki.fi/lauahola/ (luettu 21.3.2019)

⁽²⁾ QGIS 2.18 User Guide https://docs.qgis.org/2.18/en/docs/user_manual/index.html (luettu 20.1.2019

⁽³⁾E. Aho. Harjoitus 1. https://blogs.helsinki.fi/elqaho/ (luettu 20.1.2019)