På den andra föreläsningen behandlades olika databaser som kan användas i QGIS och hur olika projektioner påverkar framställda kartor och ytor. Informationen var för det mesta ny för mig, och övningarna var ett intressant tillfälle att anpassa detta.
1. En första inblick på olika förvrängningar
Den första övningen gick ut på att mäta en sträcka och en yta, och sedan jämföra hur dessa förvrängs i olika projektioner. Jag ritade en sträcka tvärs över Finland, ungefär var Karleby ligger, och ett område i norra Finland, ungefär vid Enare och Utsjoki (Bild 1).
Som grund användes ETRS89-TM35FIN-koordinatsystemet, en finländsk anpassning av det allmänna europeiska koordinatsystemet ETRS89. Den 358,2 km långa sträckan förvrängdes mest i WGS 84-projektionen (808,6 km), då avståndet ökade med 125,7% (Tabell 2). Arean (6528,8 km²) förvrängdes mest i Van der Grinten-projektionen (28 132,4km ²), med en ökning på 330,9% (Tabell 2).
Jämfört med ETRS89-extended /LAEA Europe (EPSG: 3035) är förvrängningarna mycket små (Tabell 1, Tabell 2). EPSG: 3035 baseras på Lamberts ytriktiga azimutalprojektion, och rekommenderas då man vill att ytor och sträckor ska vara nogranna i förhållande till verkligheten. Då jag mätte sträckorna valde jag alternativet ”cartesian”. Via ett GIS-forum lärde jag mig att ”Cartesian distance” mäts på en platt jordyta, medan ”ellipsoidal distance” mäts på en sfär (GIS-Stack exchange, 2017).
Tabell 1: Samma mätningar i olika projektioner. (Cartesian)
Tabell 2: Olika projektioner jämfört med TM35FIN
2. Hur olika projektioner påverkar framställning av kartor
Till nästa gällde det att visualisera olika projektioner och förvrängningar i förhållande till TM35FIN-koordinatsystemet. I samband med detta lärde jag mig om olika data som kan hämtas till QGIS, t.ex. WFS-, WMS- och WCS-lager. Kartorna som jag framställde baserades på kunnat 2021, 1:4 500 000, ett WFS-lager hämtat från Statistikcentralen. Nytt för mig i detta skede var t.ex. användning av Add geometry attributes -vektorlagret. Lika som förra veckans övning använde jag mig av räknefunktioner och Graduated/Natural breaks-indelningen i kartorna.
I min första karta (Bild 2) presenteras hur mycket olika kommuners ytor förvrängs i Van der Grinten-projektionen. I detta fall visualiserades förvrängningarna i fyra klasser, från 2,63 till 4,38. Van der Grinten I är en polykonisk projektion, som är varken vinkel- eller ytriktig (Arcgis Pro, u.å.). I projektionen förvrängs områden nära polerna rikligt (a.a.), vilket även syns i min kartframställning (Bild 2).
Till näst visualiserade jag Winkel Tripel-projektionen (Bild 4). Jämfört med Van der Grinten var förvrängningen mycket mindre från söder till norr, mellan 1,232–1,555. Med färgskalan hoppades jag framhäva att skillnaderna inte är så stora. Enligt mig är det intressant att Winkel Tripel-projektionen (Bild 5) ser ”mer” förvrängd ut än Van der Grinten (Bild 3), fastän det motsatta egentligen stämmer. Winkel Tripel är en modifierad azimutalprojektion som är varken vinkel- eller ytriktig (ArcGis Pro, u.å.). Den förvränger även områden närmare polerna (a.a.).
Till sist prövade jag att framställa ETRS89-extended LAEA Europe i förhållande till TM35FIN (Bild 6). Projektionen är mycket lik, om inte noggrannare än TM35FIN. I detta fall skedde ingen ökad förvrängning norrut. I stället blev kommunernas ytor i de två första klasserna (0,997–0,999) mindre än i TM35FIN, och som mest en förvrängning på 0,01%. Här funderade jag på om man kunde på något sätt förvränga detta med antalet klasser och färgval, t.ex. en röd färgskala?
- Tankar & vad jag har lärt mig
För det mesta var jag ganska osäker på övningarna. Jag hittade inte ”Add geometry attributes”-funktionen till en början, men det verkade vara ett någotlunda vanligt problem på QGIS-forumet. Tack vare övningarna fick jag en mycket mer praktisk inblick på projektioners inverkan på kartframställningar. Ett förekommande tema i projektionerna är mera förvrängning desto närmare polerna, något som jag antagligen kommer att stöta på igen eftersom Finland hamnar kring denna zon. Avslutningsvis var förvrängningarna i mina kartor inte så ”brutala” jämfört med andra projektioner. Lehtinen (2024) presenterar till exempel Mercator i förhållande TM35FIN i sin blogg, där den största förvrängningen hamnar i klassen 7–8,26, i norra Finland. Lehtinen (2024) noterar även att de minsta förvrängningarna i Mercator är avsevärt större än klasserna i Robinson-projektionen.
Referenser:
ArcGIS Pro (u.å.). Winkel Tripel. https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/winkel-tripel.htm [30-01-2024]
ArcGIS Pro (u-å.) Van der Grinten I. https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/van-der-grinten-i.htm [30-01-2024]
GIS-Stack exchange (2017). Why is ellipsoidal distance greater than cartesian distance? [Forum] 01.05.2017. https://gis.stackexchange.com/questions/238759/why-is-ellipsoidal-distance-greater-than-cartesian-distance [30-01-2024]
Lehtinen, J. (2024) Kurssikerta 2: Karttaprojektioiden vertailua. JANELLA’S BLOG. University of Helsinki Blogging platform [Blogg]. 27.01.2024. https://blogs.helsinki.fi/janella/ [30-01-2024]