Month: January 2020

Toisen viikon jälkeen QGIS-ohjelmiston käyttäminen tuntuu jo hieman tutummalta, ja yksinkertaisemmat komennot, kuten kartan väriskaalan muuttaminen, käyvät jo rutiinista. Toisaalta jotkin toiminnot vaikuttavat toimivan eri tavalla jokaisella kerralla, joten haluttuun lopputulokseen pääsee tämänhetkisillä taidoillani varsin usein yrityksen ja erehdyksen kautta. Vaaditut tehtävät onnistuivat kuitenkin sujuvammin kuin ensimmäisellä kerralla, eikä kyse toivottavasti ole ainoastaan hyvästä tuurista.

Tällä kertaa latasimme ohjelmistoon aineistoa rajapinnan kautta – tietokoneelle ladatun paketin sijaan. “Rajapinta” on ollut itselleni varsinainen paikkatiedon peikko, ja olikin huojentavaa saada vihdoin jonkinlainen konkreettinen käsitys tästä käsitteestä. Rajapinnan avulla haimme URL-osoitteella WFS- eli Web Feature Service -hausta Tilastokeskuksen vektorimuotoista aineistoa sen sijaan, että olisimme ladanneet suoraan vektorimuotoisen kohteen. URL-linkki avasi mahdollisuuden lukuisiin paikkatietoaineistoihin, joista valitsimme työstettäväksi Suomen kunnat.

Tässä kohtaa tapahtui taas jotain hieman vaikeaselkoista, jonka onneksi tajusin kirjoittaa muistiin. Tilastokeskuksen aineisto vietiin uudelle tasolle, jotta pääsimme muokkaamaan attribuuttitaulukkoa. Laskimme käytössä olevan, pinta-aloja Suomessa mahdollisimman vähän vääristävän ETRS89-TM35FIN -projektiossa olevien kuntien pinta-alat. Tarkoituksena oli havainnollistaa toisten projektioiden kuvaamia vääristymiä, joten veimme karttamme nyt uuteen QGIS-ikkunaan Mercatorin projektiossa, jossa jatkoimme laskukaavojen luomista.

Laskutoimitusten jälkeen väritimme vääristymiä kartalle, jolloin päiväntasaajaa hipovan Mercatorin pohjoisia alueita suurentava vaikutus oli yhä havainnollistavampi.

Vaikka hillitty määrä luokkia on usein koropleettikartalla kaikkein selkein, oli tässä kohtaa tasaisesti etelä-pohjoissuunnassa kasvavien vääristymien vuoksi suurempi luokkamäärä kuvaava. Oikeastaan vieläkin runsaampi luokkamäärä olisi kuvannut liukuvaa muutosta paremmin, mutta olisi jo tehnyt legendasta epäsiistin.

Mercatorin projektio on oikeakulmainen, joten halusin kokeilla miten pinta-alat vääristyvät oikeapituisella projektiolla. Muutin projektion oikeakeskipituiseksi tasoprojektioksi ja suoritin vaadittavat laskutoimitukset. Oli hieman yllättävää huomata kuinka paljon pienempi vääristymä oli verrattuna Mercatorin projektioon. Sama luokkajako ja värit hämäävät hieman, mutta ero näkyy kartan selitteessä.

Oikeapituisessa projektiossa etäisyydet kuvautuvat oikein projektiokeskuksesta. Yllä olevaa karttaa tovin työstettyäni tajusin, että projektiokeskus ei olekaan pohjoisnavalla, kuten kyseisenlaisessa projektiossa olen tottunut näkemään. Pinta-alojen vääristymien suunnan vuoksi keskus onkin luultavasti 0-meridiaanin ja päiväntasaajan leikkauspisteessä. Päätin GIS-huumassa vielä muuttaa saman projektion keskustan pohjoisnavalle, ja nyt vääristymät kasvoivatkin olettamallani tavalla pohjoisesta etelään. Lisäksi ne olivat niin pieniä, että selitteeseen täytyi lisätä yksi desimaali, jotta ei syntyisi luokkia esimerkiksi arvoilla 4-4.

Erilaisia ilmiöitä kuvaavia karttoja näkee valtavasti, eikä ilman tiedostavaa kritiikkiä niiden antamaa, monesti vääristelevää kuvaa useinkaan huomaa. Kuten Jonna Kääriäinen pohtii blogikirjoituksessaan Dataa rajapinnasta kartalle, kartan tekijä saattaa joko tahallaan tai tahattomasti johtaa lukijoita harhaan. Pinta-alojen lisäksi projektiot saattavat vääristää esimerkiksi etäisyyksiä tai kartalle laskettuja ja siinä esitettäviä tietoja.

Lähteet: 

Kääriäinen, J. (2020). Dataa rajapinnasta kartalle. 26.1.2020. <https://blogs.helsinki.fi/kaarijon/2020/01/25/dataarajapinnasta/>

Takana on yksi kurssikerta ja kaksi QGIS-ohjelmistolla luotua karttaa. Kuten varmasti suurin osa kurssitovereistani, tutustuin kyseiseen avoimen lähdekoodin paikkatieto-ohjelmistoon nyt ensimmäistä kertaa. Tähän asti kursseilla GIS on ainoastaan pyörinyt jokseekin monimutkaisena teoreettisena käsitteenä, joten oli mahtavaa päästä heti käsiksi paikkatietoaineistoon ja sen analysointiin.

Ensimmäinen tunti oli orjallista opettajan ohjeiden seuraamista, sillä uuden ohjelmiston kanssa olisi yksin ollut täysin hukassa. Muokkasimme QGIS:iin tuomiemme vektoriaineistojen ominaisuuksia sekä esitystapaa, ja lopputuotoksena syntyi Itämeren ympärysvaltioiden mereen tuottamia typpipäästöjä kuvaava kartta. Ensimmäisellä kerralla kuullut ohjeet tapaavat liidellä ohi oman muistikapasiteettini, joten toistin tehtävänannon kotona harjoitellakseni lisää. Aikaansaamani kartta onnistui melko hyvin, mutta kehitettävääkin löytyy. Kartasta esimerkiksi puuttuu tieto siitä, mitä vuotta se kuvaa. Itseäni jäi myös häiritsemään legendassa ja kartassa käytetyt eri kielet.

Toisena tehtävänä oli luoda koropleettikartta Suomen kunnista jonkin kuntiin liitetyn tiedon perusteella. Tässä kohtaa kävin todellisen kädenväännön QGIS:in kanssa, sillä kunnat eivät vaikuttaneet millään latautuvan ohjelmistoon. Olin melkoisen hämilläni, sillä olin juuri omalla läppärilläni tehnyt ensimmäisen kartan alusta loppuun. Käytin muutaman tunnin yrittäessäni erilaisin keinoin saada vektorimuotoiset kunnat työstettäviksi, ja tilanne vaikutti epätoivoiselta. Siirryin myös koulun koneelle yrittämään ja sain apua useammalta GIS-heimolaiselta, kuitenkin tuloksetta. Lopulta huomasin kuntia koskevan shape-tiedoston olevan todella pieni muihin samanmuotoisiin tiedostoihin verrattuna. Siispä päätin ladata aineistopaketin Moodlesta kolmannen kerran, ja odottelinkin kansion latautumista lähes tunnin. Kunnat olivat nyt saapuneet tiedostooni oikeankokoisena, ja avautuivat vihdoin QGIS:iin!

Kun taistelu oli käännetty voitoksi, tuntui loppuosa eli oikeastaan itse tehtävä sujuvan kuin unelma. Valitsin koropleettikartalla kuvattavaksi tiedoksi työttömien prosenttiosuuden kunnittain. Valitsin luonnolliset luokkavälit sekä yhden värisävyn, jonka vaaleimmat sävyt kuvaavat pienimpiä arvoja ja tummimmat suurimpia. Kartastani voi mielestäni nopealla katsauksella saada todenmukaisen kuvan sen kuvaamasta asiasta, mutta vaaleimpia värisävyjä on pienten kuntien kohdalla vaikea erottaa toisistaan. Annika Reijonen toteaakin blogikirjoituksessaan Ensikosketus QGis:iin, että hän vaihtoi luokkamäärät selkeyden vuoksi viidestä neljään.

Koropleettikartastani voi havaita suurimpien työttämyysasteiden osuvan Itä-Suomen kuntiin ja toisaalta työttömyyden olevan todella vähäistä Pohjanmaalla. Noin 50 kilometrin säteellä pääkaupunkiseudusta sijaitsevien kuntien pieni työttömyysaste oli itselleni pieni yllätys alueen suhteellisen suuren väestömäärän vuoksi, mutta toisaalta alue myös tarjoaa runsaasti työpaikkoja sekä houkuttelee koulutettuja ihmisiä. Vaikka kartasta voi tehdä monenlaisia päätelmiä, ei se itsessään anna tietoa kuin työttömyysprosentista yhdellä hallinnollisella alueella. Työttömyyden todelliset syyt onkin liian monitahoinen yksinkertaistettavaksi kartalle.

 

Lähteet:

Reijonen, A. (2020). Ensikosketus QGis:iin. 23.1.2020. <https://blogs.helsinki.fi/anre/>

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