Alkusanat

Toisella viikolla jatkoimme QGisiin tutustumista.  Aineistona käytimme  jälleen Suomen kuntien koropleettikarttaa. Opimme käyttämään uusia sovelluksen ominaisuuksia, jotka mahdollistivat esimerkiksi tiettyjen kuntien tai alueiden  valitsemisen kartalta attribuuttitaulukon ja mittatyökalun avulla. Aluksi attribuuttitaulukot vaikuttivat datahirviöiltä, mutta ilokseni huomaan, että attrribuuttitaulukko on hyvin helppokäyttöinen. Tunnin harjoituksessa haimme aineistoja suoraan valmiin datan tuottajilta, kuten Tilastokeskuksesta tai Rajapintapalvelusta, ja lisäsimme aineistoja  pohjakarttaan. Valmis kartta näytti tutkamajakat Suomen alueella.

Projektioiden tutkimista

Maantieteilijöiden tärkein apuväline on tietenkin… Google…kartat!!! Ikuinen dilemma tiedepiireissä onkin ollut maapallon siirtäminen kaksiulotteiselle tasolle. Kartat pyrkivät esittämään maapallon mahdollisimman todenmukaisena, mutta on mahdotonta esittää täysin realistista karttaa.  Projektioissa on kolme ominaisuutta, joita eri karttaprojektioissa korostetaan: oikeapintaisuus, -kulmaisuus sekä – pituisuus. Projektioita on useita kymmeniä, jotka kukin edustavat eri ominaisuuksia. Tunneituin karttaprojektio on Mercatorin projektio, joka on oikeakulmainen, mutta vääristää pinta-aloja suuremmaksi navoille mentäessä. Tämä aiheuttaa poliittisen ongelman, jossa keskipiirien valtiot esitetään todellisuutta pienempinä ja napojen valtiot taas suurempina kuin ne ovat. Tälläiset kartat siis vaikuttavat mielikuviimme valtioista.

Tunnilla tarkastelimme Suomen päälaen pinta-alan muutoksia eri projektioissa. Vertasimme niitä Suomessa käytettyyn ETRS_TM35_FIN projektioon. Karttoja tutkiessa myös pinta-alan lisäksi muodot vaihtelivat. Robinsonin projektiossa Suomi näytti hieman litistyneeltä ja Mercatorissa taas pohjoista kohti laajenevalta. Oma suosikki projektioni oli World_From_Space, joka esittää maapalloa avaruudesta katsottaessa.  Suomi on projektiossa  lähes vaakatasossa ja vahvasti taipuneena.

Omia tuotoksia

Itsenäisenä tehtävänä oli QGIsin avulla vertailla projektioiden pinta-ala eroja. Pitkään olin erittäin hämilläni siitä, miten minun oli tarkoitus tuottaa tyhjälle QGis sivulle mitään, mutta Hetan tiivillä opastuksella hehkulamppu pään päälläni syttyi, ja onnistuin tuottamaan useita koropleettikarttoja.

Vertasin projektioita Suomen ETRS_TM35_FIN karttaprojektioon. Salla Kärkkäinen  teki hyviä huomioita projektioiden vertailusta tähän kyseiseen niin sanottuun käänteiseen Mercatorin projektioon. Pinta-ala vääristymät ovat lähinnä pohjois-etelä-suuntaisia.

Robinsonin projektio eroaa pohjaprojektiosta suhteellisen pienellä skaalalla (1,185-1,416%). Erot kasvavat lineaarisesti mentäessä etelästä pohjoiseen.

Wagner_V projektio korostaa erityisesti päiväntasaajan alueen oikeapintaisuutta, ja projektio pyrkii noudattamaan maapallon ellipsoidimaista muotoa. Eroavaisuudet näkyvät hyvin satunnaisesti kartalla.

Patterson on lieriöprojektio, joka vääristää pinta-aloja, mutta on oikeakulmainen. Tässä kartassa pinta-alaerot näkyvät melko vahvasti. Myös tämän projektion vääristymät kasvavat lineaarisesti pohjoiseen mentäessä.

Bonne projektio, paremmin tunnettuna  Dépôt de la guerre projektio esittää keskileveyspiirit ympyräkaarina, joissa etäisyydet ovat oikeassa suhteessa. Kartan keskimeridiaanin kohdalla alueiden muodot eivät vääristy. Bonne projektio on mielestäni visuaalisesti miellyttävä. Maapallo projektiossa on sydämen muotoinen <3.

Loppusanat

Tällä viikolla tuntui, että ymmärsin paremmin QGisin käyttöä ja en enää lähestynyt sitä inholla. Projektioiden vertailun toistot auttoivat muistamaan ohjelman toimintoja. Mielestäni karttaprojektiot ovat mielenkiintoinen aihe, ja tämä tehtävä auttoi ymmärtämään erilaisten projektioiden oikeinkäytön tärkeyttä. QGis alkaa olemaan jo kohtalaisen tuttu, mutta tuntuu edelleen, että toimintojen ja työkalujen määrä on loputon.

Välillä putosin kärryiltä ja huomasin, että olin varmaan seitsemän vaihetta jäljessä, joten erityis kiitokset Salla Kärkkäiselle sekä Heta Suutarille, jotka auttoivat minua vaikeina aikoina :,) Kiitos myös Tiitulle, joka näytti kuinka kuviin laitetaan kuvatekstit!

 

Lähteet:

Kärkkäinen. S. (2022) Sallan Blogi : Viikko 2: Kuntien avainlukuja ja gissiä https://blogs.helsinki.fi/karkkais/ (käytetty 1/2022).

Ensimmäisellä Geoinformatiikan menetelmät 1 -kurssikerralla aloimme lähes heti toimiin QGis:in parissa. Sovellus oli entuudestaan tuttu MAA-104 -kurssilta, mutta selkäpiitäni karmivat muistot QGis:in vaikeakäyttöisyydestä. Tunnilla kävimme läpi sovelluksen käyttöä askel kerrallaan. Tunsin toivon kipinän nousevan QGis:in suhteen. Ensimmäisenä harjoituksena teimme havainnollistavan koropleettikartan HELCOM:in alueen maiden typpipäästö osuuksista Itämeressä. QGis:in käyttö oli huomattavasti helpompaa, kun sen käyttöä ja ominaisuuksia oikeasti ymmärsi. Sovellus antaa hyvin monipuolisen alustan datan esittämiseen ja muokkaamiseen, kun sitä oppii käyttämään. Aiemmalla kerralla, kun kamppailin QGis:in kanssa, ongelma johtui juuri tasojen käytöstä, mutta tunnilla pääsin jyvälle sovelluksen monipuolisuudesta ja virheistä joita välttää.

Kuva 1.  Kartta HELCOM-alueen valtioiden osuudet typen päästöistä

Kartta onnistui mielestäni hyvin, ja siitä on helppo erottaa luokka-arvot suurimmasta saastuttajavaltiosta pienimpään. Kartasta puuttuu ratkaisevia tietoja, kuten maiden nimiä tai miltä vuodelta tiedot ovat. Myös symboleille, jotka kuvaavat typpipäästöjä, ei ole sen kattavampaa selitystä. Selkeästi suurin saastuttaja on Puola välillä 13,3-33,7% ja pienimpiä saastuttajia ovat muun muassa Suomi ja Viro välillä 3,2-8,0%. Puola on suuri maatalouden maa, joten voidaan päätellä, että suuret typpipäästöt johtuvat maataloudesta ja esimerkiksi siinä käytettävistä lannoitteista. Kaikki kartan valtiot tuottavat liikenteestä aiheutuvia päästöjä, jotka päätyvät Itämereen.

Suomen kuntien koropleettikartat

Itsenäisenä tehtävänä oli tehdä koropleettikartta Suomen kunta-aineistosta valitsemastaan muuttujasta. Päädyin tarkastelemaan kesämökkien sijoittumista Suomen kunnissa. Suuri osa tunnilla opetetusta oli unohtunut, joten palasin useasti tunnilla tehdyn tehtävin ohjeisiin. QGis:in vaivaton käyttö kaipaa siis paljon toistoa, sillä usein jos jumituin johonkin kohtaan, se johtui todella pienistä virheistä, jotka olivat unohtuneet. Tämä itsenäinen tehtävä oli siis hyvää jatkoharjoitusta sovelluksen käytöstä.

Kuva 2. Kvantiilikartta kesämökeistä Suomen kunnissa.

Kartasta voi havaita, että kesämökkejä on koko Suomen alueella laajasti.  Selvästi erottuva suosittu kesämökkialue on kaakkoisessa Järvi-Suomessa. Vähiten kesämökkejä taas on Keski- ja Pohjois-Pohjanmaan alueella. Suosittuihin mökkikuntiin vaikuttaa ainakin vedenläheisyys, kuten Järvi-Suomesta sekä ranikkokunnista näkee.

Laatiessani karttaa QGis ehdotti kvantiililuokitusta, joka esittää selkeästi eron lähinnä vain kunnissa, joissa on vähän kesämökkejä. Korkeimmassa luokassa mökkien hajonta on väliltä 2295-8374, kun taas pienimmässä luokassa asteikko on 0-380. Kartasta ei siis voi erottaa esimerkiksi suosituinta kesämökki kuntaa, sillä korkeimmassa luokassa on liikaa informaatiota.

Kuva 3.  Suomen kesämökit tasaisella luokka-asteikko kartalla.

Tasainen luokka-asteikko havainnollistaa selkeästi suosituimmat kesämökki kunnat, joissa mökkien määrä yltää jo 6699-8374 mökin kohdalle. Näitä kuntia ovat muun muassa Kouvola, Hämeenlinna, Parainen sekä Salo. Kesämökkien valtavan määrän takia on hankalaa löytää oikeanlaista luokka-asteikkoa havaintojen esittämiseen. Huomasin, että muutkin pohtivat tätä samaa asiaa, kuten Senja Mäkiaho blogissaan https://blogs.helsinki.fi/senjamak/. Senja oli havainnollistanut pylväskaavioilla eri mittaluokkien havainnollistamia ominaisuuksia.

Kuva 4. Natural breaks (Jenks) kartta Suomen kuntien kesämökeistä.

Päädyin Natural breaks (Jenks) luokitukseen, joka ehdottaa mahdollisimman luonnollista asteikkoa. Rehan Ahmand kirjoittaa artikkelissaan Jenks Natural Breaks – The Best Range Finder algorithm (4/2019) Natural breaks -luokittelun ominaisuuksista. Mielestäni tämä luokka oli paras muuttujan esittämiseen. Kartasta on nyt helppo tulkita kesämökkien sijoittuneisuutta.

“Natural breaks” are the best way to split up ranges. Best ranges imply the ranges where like areas are grouped together. This method minimizes the variation within each range, so the areas within each range are as close as possible in value to each other.”

Harjoitus auttoi oppimaan QGis:in käyttöä paremmin. Eri mittaluokkien vertailu auttoi ymmärtämään niiden sekä  datan esittämisen tulkinnan tärkeyttä. Ensimmäinen viikko lähti hyvin käyntiin harjoituksia tekemällä. Edelleen kuitenkin tuntuu, että on paljon opeteltavaa QGis:in suhteen, sillä en muista monia sovelluksen ominaisuuksia ja toimintoja  ulkomuistista.

Lähteet:

Mäkiaho. S. (2022)”Senjan seikkailut GIS maailmassa”  Luettu 01/2022. https://blogs.helsinki.fi/senjamak/

Ahmad.R. (2019) Jenks Natural Breaks – The Best Range Finder algorithm. Luettu 01/2022.  https://medium.com/analytics-vidhya/jenks-natural-breaks-best-range-finder-algorithm-8d1907192051

 

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!