Databasdjungeln och kartprojektioner

Hej igen! I’m back. Jag var inte närvarande på onsdagens lektion, men kompenserade med att gå på morgonföreläsningen idag (fre 25.1). Denna föreläsning gick vi igenom den förunderliga världen av databaser. Att gå igenom databaser var väldigt nyttigt, då jag själv aldrig helt förstått mig på dem. På grund av en blandning av morgontrötthet och kanske ett dugg dålig koncentrationsförmåga (?), förstod jag inte precis allt, men som tur blev det inte överväldigande mycket ny information. Jag antar att man kommer att lära sig ganska mycket med tiden, och att det kanske är bäst att försöka lära sig praktiskt istället för att plugga allt utantill! Så brukar det i alla fall fungera bäst för mig.

Nåja, teoridelen blev alltså ganska kort, och vi började tidigt med QGIS. Idag höll vi mest på med attributtabellen och koordinatsystem. Vi bekantade oss också bättre med räknefunktionen, vilket jag tyckte var bra! Den kommer jag säkert dra massor nytta av i framtiden. Föreläsningen gick väldigt snabbt framåt, vilket enligt mig är positivt, men som jag även läste att Ilona tyckte, hängde jag inte med i varenda sväng…Om man blir efter kan det verkligen vara svårt att hålla koll.

Bild 1, Suomineitos hatt m.a.o. arean som jag jämförde med olika projektioner
Bild 2, Suomineitos bälte m.a.o. en linje som jag drog vid Finlands bredaste ställe

Vi undersökte storleksskillnaden mellan Finland i de olika projektionerna, vilket var väldigt intressant. Vi började med att öva med “selection tools”, och ritade till slut en liten hatt över Finlands huvud (eller vad man nu skall kalla det (: ) och ett streck genom landet på dess bredaste ställe (Bild 1 och 2). Detta var då vi använde oss av Lambert Equal Area-projektionen. Sen blev det intressant! Vi bytte kartprojektion till Mercator Sphere (…tror jag att det var) och räknade ut skillnaden på arean. På grund av att mercatorprojektionen stretchar ut aren mot polerna, blev arean SÅÅÅ mycket större. Detta var ju inte i sig överraskande, men det var trevligt att se hur stor skillnaden faktsikt var. Vi fick testa med andra projektioner, och lagade excel tabeller på mätresultaten. Min tabell är väldigt tråkig till utseendet, så ni får tyvärr inte se den…Huvudsakliga skillnaden var dock att Mercator var den som förvrängde mest (av dem jag testade).

Sedan fick vi börja testa våra egna QGIS-vingar! Uppgiften var att skapa en jämförelse mellan Lambert’s projektion och några andra (Mercator skulle även finnas med), och få reda på hur mycket kartan förstoras/förvrängs. Detta krävde lite matematik, vilket var bra då jag inte räknat på en stund, och mycket koncentration. Jag blev ändå överraskad över hur bra jag klarade det. Attributtabellen behärskar jag redan (överraskande) bra, och det känns ganska logiskt just nu! Bortsett från ett par kraschar av QGIS >:(

Jag bestämde mig för att undersöka skillnaden mellan Lamberts projektion och Mercators projektion samt Bonnes. Jag valde Bonne för att jag tänkte att det nog kommer att bli något speciellt, fast storleksförändringen i procent inte kommer vara så stor som till exempel i Mercator och Lambert. Skapandet av kartorna gick väldigt bra! Jag kom ihåg alla steg som vi gick igenom på lektionen, och hann till och med hjälpa (så gott jag nu kunde) andra som behövde det. Otippat, men skönt att det gick så här för en gångs skull!

Karta 1 föreställer Mercatorprojektionens skillnad till den rättskaliga Lambertprojektionen. På kartan är det väldigt tydligt att polerna är de området där förvrängningen är som störst, då kartan blir mörkare desto högre upp mot norr man kommer. Både karta 1 och karta 2 har Finlands karta i Lambert Equal Area-projektionen som grund, ifall någon undrar varför Finland inte ser förstorad ut.

Bild 1, Bonnes projektion (Wikipedia)
Karta 1, Mercatorprojektionen jämfört med Lambert Equal Area

Karta 2 var som sagt Bonnes projektion jämfört med Lamberts. Denna projektion har jag alltid lite förundrat mig över, och då jag såg den i listan av projektioner på QGIS var det lätt att välja. Jag satt in rätt koordinatsystem och räknade ut areaskillnaden i procent, som var överraskande liten! För en karta som ser ut som Bonnes projektion (Bild 1) förväntar man sig en större skillnad! Då jag först fick resultatet trodde jag att det var fel, men efter närmare inspektion på projektionen tror ja nog att det finns logik bakom den.

Karta 2, Bonnes projektion jämfört med Lambert Equal Area

Allt som allt var detta en bra QGIS-dag för mig! Allt löpte bra och kartorna blev rätt så fina med den ljusröda färgskalan. Denna kursgång var även väldigt lärorik, jag lärde mig mycket om kartprojektioner och hur stor skillnad det kan ha om man använder en olämplig projektion (Precis som Elina konstaterade i sin blogg!). Att välja rätt karta i just QGIS är viktigare än vad jag trodde, men det känns inte omöjligt!

Jag hoppas att min QGIS-tur fortsätter på samma spår <3

Källor (25.1.2019):

https://blogs.helsinki.fi/tuoilona/

https://blogs.helsinki.fi/huhelina/

Bilden på Bonnes projektion:

https://en.wikipedia.org/wiki/Bonne_projection

Ses nästa vecka, ser framemot ett QGIS-fritt veckoslut!

-E

Gissar mig fram i QGIS värld

Okej, nu är det dags för det första inlägget i bloggen. Jag kommer att gå igenom det vi gjorde under den första kursgången, och sätta med bilder på de färdiga kartorna.

Namnet på kursen är Geoinformatiikan menetelmät – Metoderna i geoinformatik (?). Då jag såg kursens namn första gången kändes det lite hopplöst. Då jag hörde att vi kommer att använda oss av QGIS, blev jag verkligen hopplös. För länge sedan (2 år sen kanske, max) gick jag en kurs på gymnasiet där vi använde oss av just detta program, och den var faktiskt en av de jobbigaste kurserna jag gått i mitt liv. Väldigt lärorik nog, men efter att programmet kraschade för tredje gången blev det nog lite jobbigt…

Men! Man får ju inte ge upp så lätt, och jag hoppas på en trevligare erfarenhet den här gången.

Den första föreläsningen började med lite nödvändig teori. Attributdata, som beskriver egenskaper och platsdata var det första som togs upp på lektionen. Attributdata kan handla om individuell, tidsmässig, beskrivande eller lokaliserande, som även Ida konstaterar i sin blogg. Platsdata handlar i sin tur om den geografiska platsen.

Nu är det dags för den trogna kamraten: QGIS! Vi började väldigt lätt, vilket var super då jag inte kom ihåg något mer från tidigare (har antagligen förträngt det). Vi hämtade en karta på en del av Europa och började öva. Uppgiften var att visualisera ländernas kväveutsläpp i Östersjön. Vi skapade koropletkartor för att visualisera detta, de mörkaste (främst Polen) länderna är de som släppt ut mest kväve i Östersjön. Vi satt in allt det nödvändiga; skala och nordpil, och lärde oss använda QGIS olika funktioner i korthet, bland annat att räkna ut andelen kväveutsläpp per land i procent med hjälp av enkla ekvationer.

Karta 1

På den färdiga kartan (Karta 1) tycker jag att färgerna blev bra. De mörka färgerna urskiljs lättast, och då det kommer till dessa varnande miljö-kartor, är det ofta bra att använda mer “aggressiva” färger för att förmedla grovheten. Jag märker nu när jag skriver att kvävekällorna (prickar) dock har blivit kvar på kartan, vilket de inte skulle. Det märkte jag inte! Som förbättringsförslag kunde jag även ha gjort djuphetskurvorna i havet mer synliga.

Veckans hemuppgift var även att skapa en egen enkel koropletkarta över ett av de valbara ämnena på kurshemsidan. Jag valde att jämföra svenskspråkigas andel med hela Finlands befolkning år 2015 (Karta 2). Detta var struggel. Uppgiften var ju i sig ganska enkel, men för en ovan användare tog det flera timmar att behärska verktygen. Reglerna var tydliga, men det var antagligen mest jag själv som blev ganska så lätt frustrerad. Programmet kraschade två gånger, vilket inte gjorde färden lättare. Till slut fick jag dock kartan producerad! Jess!

Karta 2

Kanske inte den visuellt vackraste kartan du sett? Men huvudsaken är att den blev klar. Resultatet blev som förväntat; Österbotten och kustområdena är där vi håller hus. Jag tänkte egentligen beskära kartan så att endast kustområdena syns, då skulle man ha sett skillnaden mellan kommunerna bättre. Men på grund av att jag då skulle ha villat lägga in en ut-zoomad bild på hela Finland där man visar var på kartan man befinner sig (som då på TEM, då vi skulle visa var vår kommun ligger), så gjorde jag inte det. Mina QGIS-kunskaper är helt enkelt inte på den nivån ännu!

QGIS är nog ännu ett enigma för mig, men efter denna kursgång och hemuppgifter känns det redan bättre. Jag har lärt mig att producera enkla koropletkartor, och känner mig även ganska okej med attributtabellen! Ganska överraskande om man jämför med mina känslor emot progranmmet i början. Jag förhåller mig alltså än så länge optimistisk till framtiden, detta blir nog bra 🙂

Källor:

https://blogs.helsinki.fi/idasihvo/

 

Tills nästa kamp mot QGIS!

-E