Month: January 2019

Posted on

Geoinformatiikan menetelmät 1, toinen luento

Toisella kurssikerralla päästiin taas QGISin ihmeelliseen maailmaan. Aluksi jatkoimme viime kurssikerran karttaharjoittelua ja tietokantojen perushallintaa. Harjoittelimme myös yksinkertaisten laskutoimitusten tekemistä attribuuttitaulukon avulla.

Pienen QGIS-kertailun jälkeen pääsimme taas tuottamaan karttoja. Tällä kertaa vertasimme erilaisia projektiota keskenään ja ihmettelimme pinta-alojen vääristymiä. Kuten taulukosta 1 nähdään, on saman alueen pinta-alassa ja pituudessa huomattaviakin eroja eri projektioiden välillä.

Taulukko 1. Pinta-alojen vääristymä eri projektioiden välillä.

Projektio Pinta-ala Pituus
ETRS-TM35FIN 12 308,21 km² 194,681 km²
Sphere Mercator 86 344,17 km² 458,087 km²
Sphere Van der Grinten I 48 402,92 k m² 376,993 km²
Sphere Winkel I 22 487,10 km² 327,025 km²
Sphere Winkel II 17 891,189 km² 279,966 km²

Taulukoiden lisäksi teimme myös karttoja erilaisten projektioiden pinta-alojen vääristymistä. Itse valitsin karttaani vertailtaviksi Mercatorin ja Lambertin projektiot. Kuten kuvasta 1 näkyy, on pinta-alojen vääristymä sitä suurempi mitä pohjoisemmas Suomea mennään.

Kuva 1. Pinta-alojen prosentuaalinen vääristymä Mercatorin ja Lambertin projektioiden välillä.
Posted on

Geoinformatiikan menetelmät 1, ensimmäinen luento

Geoinformatiikan menetelmät 1 -kurssin ensimmäisellä kerralla tutustuimme QGIS-paikkatieto-ohjelmistoon. Ohjelmisto oli ainakin minulle, ja todennäköisesti muillekin, täysin uusi tuttavuus.

Kuva 1. Valtioiden osuus typen kokonaispäästöistä Itämerellä.

Harjoittelimme QGIS:in peruskäyttöä tekemällä kartan typen kokonaispäästöistä Itämerellä. Itselläni kartta jäi visuaalisesti todella huonoksi ja varsinkin värien osalta kartta onkin suorastaan järkyttävä.  Pääasia tulee kuitenkin  kartasta ilmi, mikä on tärkeintä.

Kartasta käy synkän värinsä vuoksi selvästi ilmi suurin saastuttajamaa,  joka on Puola. Syitä Puolan suurille typpipäästöille on hyvin paljon, ja Iina Rusanen blogissaan pohtii hyvin näitä syitä. Muun muassa Puolan suuri väkiluku ja maatalous aiheuttavat paljon typpipäästöjä.

 

Kuva 2. Työttömyys-% Suomen eri kunnissa.

Kurssikerran jälkeen päästiin harjoittelemaan QGISin käyttöä myös kotona. Itse tein kartan Suomen kuntien työttömyysprosenteista ja ainakin kartta on siistimpi kuin aikaisemmin kurssikerralla tehty kartta, vaikkakin esimerkiksi pohjoisnuoli jäi hieman hassusti. Onneksi kurssia on vielä jäljellä ja harjoitus tekee mestarin!

Lähteet:

Iina Rusasen blogi, QGIS tutuksi https://blogs.helsinki.fi/iinarusa/