Month: January 2023

Vecka 2 – Kartprojektioner i QGIS

Hej!

Denna vecka bestod av mer QGIS-arbete med fokus på kartprojektioner.

Det kändes bra att uppgifterna behandlade ett så bekant ämne som kartprojektioner, då det underlättar det teoretiska arbetet och man får möjligheten att lägga sitt fokus på det tekniska arbetet.

Från kurssidan i Moodle laddade vi ner en grundkarta av alla Finlands kommuner. I början av kurstillfälllet bekantade vi oss med kartlagren, jämförde deras precision och övade på att importera data från olika källor, till exempel Trafikledverket (Väylävirasto). Sedan bekantade vi oss med mätverktygen, med vilka vi jämförde areaförvrängningen för samma område (se bilden nedan) genom olika kartprojektioner.

Den första uppgiften var att jämföra fem olika kartprojektioners areaförvrängning med ETRS89-TM35 (d.v.s. den bäst avbildande projektionen). Dessa jämförelser kunde man göra på två olika sätt: ellipsoidal (enligt ellipsoidformat) eller cartesian (enligt platt format). Areajämförelserna för området i bild 1 framställde jag i en tabell:

 

Vad vi ser från tabellen är att alla projektioner för med sig någon slags förvrängning. Ju större förvrängning, desto mindre pålitlig är projektionen i mätningssyfte. Arean förvrängs till hela sju gånger större. Detta påvisar starkt hur Mercatorprojektionen inte är tillförlitlig när det gäller areamätning, då områden nära polerna förvrängs. Robinson-, Natural Earth- och Winkel tripel – projektionerna förvränger arean ungefär lika mycket. Dessa projektioner är alla liknande, då de förvränger både former, area och vinklar (Esri, n.d.). Dessa projektioner lämpar sig inte för mätning, men är bra för framställning av områden. Mollweideprojektionen är en så kallad “equal-area” projektion, det vill säga att den är ytriktig (Esri, n.d.). Dess förvränging är därför mycket liten. Denna projektion lämpar sig för areamätningar.

I nästa uppgift framställde vi en viss projektions förvrängningsgrad i form av en koropletkarta. Projektionen jag använde var Mercatorprojektionen. Jag provade flera olika mängder av klasser samt färgskalor för att se hur fenomenet kan framställas och uppfattas olika (se bilderna nedan). Resultatet visar att arean kan förvrängas till hela åtta gånger större än vad de är i verkligheten.

Först delade jag in området i fem klasser, sedan tio klasser och sedan sju klasser med en annan färgskala. Sju klasser är en ganska balanserad fördelning. Färre klasser är tydliga, men kan ge ett aningen grovt resultat. Som Anni nämner i sitt blogginlägg (Lindegren, 2023) ger fler klasser ett “städigare” resultat, men kan även vara aningen svåra att urskilja. Då man ser på färgskalan märker man de första två kartorna är tydligare, medan den sista färgskalan är mer otydlig, men framställer fenomenet mycket mer dramatiskt. Ju fler klasser, desto tydligare ser man hur förvrängningen ökar gradvis ju längre norrut man kommer. Detta beror på att Mercatorprojektionen är en cylindrisk projektion som tangerar ekvatorn, vilket gör som sagt att områden nära polerna förvrängs drastiskt (Esri, n.d).

I den sista uppgiften skapade jag en ny koropletkarta som i den föregående uppgiften, men med en annan projektion som jämförelse. Nu använde jag mig av Robinsonprojektionen.

Då vi jämför Mercatorprojektionens förvrängning med Robinsonprojektionens förvrängning ser vi en stor skillnad. Robinsonprojektionen förvränger arean betydligt mindre än Mercator, bara 1,4 gånger i sin höjd. Som tidigare nämnt skiljer sig dessa projektioner från deras framställningssätt och syften.

Enligt mig var dessa uppgifter passligt utmanande. Nu känner jag mig aningen mer bekväm med QGIS, och jag insåg att jag (till och med!) tyckte det var roligt att pyssla med olika kartframställningar och verktyg. Nu är jag betydligt mer nyfiken på vad som komma skall!

Tack för att du läste! 🙂

Referenser:

Lindegren, A. (25.1.2023). QGIS ja projektiot. Anni Lindegren – Geoinformatiikan menetelmät. https://blogs.helsinki.fi/ablindeg/2023/01/25/qgis-ja-projektiot/

Esri (n.d). Robinson. pro.arcgis.com. https://pro.arcgis.com/en/pro-app/latest/help/mapping/properties/robinson.htm

Esri (n.d.). Winkel Tripel. pro.arcgis.com. https://pro.arcgis.com/en/pro-app/latest/help/mapping/properties/winkel-tripel.htm

Esri (n.d.). Natural Earth. pro.arcgis.com. https://pro.arcgis.com/en/pro-app/latest/help/mapping/properties/natural-earth.htm

Esri (n.d.). Mollweide. desktop.arcgis.com. https://desktop.arcgis.com/en/arcmap/latest/map/projections/mollweide.htm 

Vecka 1 – Introduktion och arbete med QGIS

Hej!

I den här bloggen kommer jag dokumentera mina kursarbeten  samt min inlärning för kursen MAA-202 Geoinformatiikan menetelmät.

Det första kurstillfället (17.1) gick vi igenom kursens allmänna info samt en del grundteori. Vi bekantade oss med QGIS-programmet, var vi skapade en tematisk karta som beskriver kväveutsläppen i Östersjön (se bilden nedan). Att arbeta med QGIS var nytt och intressant, men även ganska komplicerat. Som Enni nämner i sitt blogginlägg Viikko 1: Ensiaskeleet (Poti, E.) har vi i tidigare kurser fått en inblick i programmet, men nu fick vi en ordentlig genomgång över hur det fungerar och hur vi kan lära oss använda det självständigt. Som nybörjare kändes det invecklat, men med hjälp och vägledning gick det bra. Nu känns det som att jag kan hitta mig fram någorlunda i programmet och att jag så småningom kan använda det utan konstant vägledning.

Till den första veckans arbete hördes att skapa en egen tematisk karta baserat på materialet från Moodle. Materialet består av en grundkarta av alla Finlands kommuner, samt olika data för dem. Av datat valde jag att avbilda andelen svenskspråkig befolkning i procent (se bilden nedan).

Bild 2

Det man kan urskilja i min karta är hur stor procentuell andel svenskspråkiga det finns i varje kommun. Den svenskspråkiga befolkningen är starkt koncentrerad vid den södra och västra kusten. Österbotten och Åland har tydligt den starkaste andelen svenskspråkiga enligt sin befolkning. I södra Finland är andelen inte lika stor, trots att det finns en stor svenskspråkig befolkning. Detta beror antagligen på att mätningen är relativ till kommunernas befolkning. Områden runt huvudstadsregionen (med en stor befolkning) har en lägre procentuell andel svenskspråkiga än mindre befolkade kommuner. Det kan vara lätt att förvirra denna karta med en befolkningskarta.

I övrigt är kartan relativt simpel, men aningen svårläst då det finns flera mindre kommuner som är svåra att urskilja. För att förtydliga fördelningen kunde man till exempel lägga till en förstorad bild av Österbotten och södra Finland, eller ändra på färgskalan. Rent uppbyggnadsmässigt kunde man förbättra klassindelningen av materialet, för att skapa en mindre polariserad karta.

Det var betydligt svårare att arbeta själv med QGIS, men efter ett antal försök kom jag fram till ett godtyckligt slutresultat. Nu känner jag mig mer självsäker i användningen av QGIS, i synnerhet i skapandet av kartor.

Tack för att du läste! 🙂

Referenser:

Poti, E. (25.1.2023). Viikko 1: Ensiaskeleet. Ennin GIS-blogi. https://blogs.helsinki.fi/elpoti/2023/01/25/viikko-1-ensiaskeleet/