Month: January 2019

Tällä kurssikerralla sukellettiin projektioiden maailmaan ja tutkittiin niiden vaikutusta mitattaviin kohteisiin, pituuksiin ja alueiden pinta-aloihin.

Valitsemalla alueen ja piirtämällä viivan Suomen alueelle pystyi vertailemaan eri projektioiden vaikutusta alueen pinta-alaan ja viivan pituuteen. Taulukosta 1 näkee selvästi mitkä projektiot ovat oikeapintaisia: (Lambert) equal area cylindrical (LAEA) ja Mollweiden projektio. Suomen kansallinen kartastokoordinaattijärjestelmä KKJ on lähinnä oikeaa sekä pinta-alassa että etäisyydessä, mikä ei ole yllättävää sen ollessa luotu juuri Suomelle. KKJ perustuu Gauss-Krügerin poikittaiseen Mercator-projektioon ja siinä projektion sivuamislinja kulkee Suomen läpi.

Taulukko 1. Pinta-alan ja pituuden eroja eri projektioissa. Pinta-alojen ja pituuksien ero laskettu suhteessa projektioon ETRS-TM35FIN. Prosentuaaliset erot kertovat kuinka paljon suuremmat kyseessä olevat mitat kussakin projektiossa ovat suhteessa ETRS-TM35FIN-projektioon.

Pituudessa Mollweide on KKJ:n jälkeen lähinnä oikeaa. (Taulukko 1) Eniten vääristymää näkyy Mercatorin ja siitä kehitetyn Millerin projektioissa, sekä pinta-alassa että etäisyydessä. LAEA:ssa vääristymä pituudessa on lähes yhtä suuri, mikä ei ole yllätys, kun miettii etenkin päiväntasaajasta kaukana sijaitsevien maiden muotoja LAEA-projektion mukaisella kartalla. Robinsonin projektiossa vääristyy molemmat mitattavat, ja projektiossa onkin tehty kompromisseja, jotta koko maailma pystyttäisiin esittämään luonnollisen näköisenä kartalla. Riippuen siitä, mitä halutaan esittää tai mitata pitää siis valita oikeanlainen projektio, jossa haluttu asia kuvataan mahdollisimman oikeana. Näin kohteita ja mittauksia voidaan esittää mahdollisimman totuudenmukaisina.

Projektioiden eroja tutkittiin myös suhteuttamalla Suomen kuntien pinta-aloja LAEA-projektiosta Mercatorin ja Robinsonin projektioihin. (Kuvat 1 ja 2) Pinta-alojen prosentuaaliset erot ovat huimia Mercatorin projektiossa, pahimmassa tapauksessa pinta-alat ovat jopa 700% suurempia kuin mitä ne oikeasti ovat. (kuva 1) Mercatorin lieriöprojektion luonteen takia, sivuamislinjan ollessa päiväntasaaja ja leveyspiirien etäisyyksien kasvaessa napoja kohti, pinta-alojen erot kasvavat mitä pohjoisemmaksi tai etelämmäksi päiväntasaajasta päästään (ENCYCLOPÆDIA BRITANNICA). Susanna Kukkavuori huomioikin omassa blogissaan kuinka pinta-alojen vääristymien erot huomaa jo pelkän Suomen alueella: etelässä vääristymä on vain kolminkertainen kun taas pohjoisessa kuusin- tai seitsenkertainen. Tämä näkyy kartassa tummimpien värien, eniten vääristyneen pinta-alan, maalatessa pohjoisinta Suomea. (kuva 1)

Vertailussa Mercatorin projektioon (kuva 1) käytin kymmentä luokkaa visualisuuden takia, sillä halusin koko dramaattisen väriskaalan näkyviin. Kartan luettavuus kärsii tästä hiukan, sillä värejä on hankala nopeasti silmäilemällä yhdistää niitä vastaaviin lukuihin legendassa.

 

 

 

 

 

 

 

 

 

 

Robinsoninkin projektio vääristää alueita enemmän mitä kauemmaksi päiväntasaajasta kuljetaan, mutta prosentuaaliset erot sen ja LAEA:n ovat selvästi pienempiä (kuva 2) kuin Mercatorin projektion ja LAEA:n välillä (kuva 1). Tässäkin kartassa (kuva 2) halusin väriskaalalla korostaa suurimpien erojen – kuvattu punaisen sävyillä –  sijaintia pohjoisessa Suomessa.

Oikeapintainen projektio on olennainen, kun halutaan esittää alueen kokoon suhteutettua tietoa, kuten asumistiheyttä. Jos tällaisten muuttujien esittämiseen valitaan projektio, jossa oikeapintaisuus on toissijaista, tieto vääristyy.

Visualisoimaan tällaista vääristymää laadin kartat kuntien Natura-alueiden suhteellisista pinta-aloista eri projektioissa. (kuvat 3 ja 4) Projektioina toimivat lähestulkoon paikkaansa pitävä LAEA ja Suomen alueella vääristynyt Robinsonin projektio. Havainnollistamista helpottamaan käytin molemmissa kartoissa samoja värejä ja samaa skaalaa. Erojen havaitseminen on näin helpointa, kun kuvia selaa edestakaisin. Selaaminen on tosin käytännössä näin blogista käsin hankalaa, sillä kikkailusta huolimatta en saa kuvia asetettua niin, että ne avautuisivat klikkaamalla täysikokoisiksi, kuten blogiohjeissa on ohjeistettu. Vertailun voi kuitenkin toteuttaa vaikka avamaalla kuvat omiin välilehtiinsä ja vaihtelemalla välilehtiä.

 

 

 

 

 

 

 

 

 

 

LAEA:ssa (kuva 3) kuntien Natura-alueet kattavat suurempia osuuksia kuntien pinta-aloista kuin Robinsonin projektiossa (kuvat 4). Tämä johtuu jo aiemmin tarkastellusta pinta-alaerosta projektioiden välillä. (Kuva 2) Suomen kuntien pinta-alat ovat Robinsonin projektiossa suurempia kuin mitä ne LAEA:ssa ja oikeasti ovat. Näin ollen mitattu Natura-alue kattaa pienemmän osuuden kunnista Robinsonin projektiossa. Prosentuaalisen pinta-alan eroja näkyy projektioiden välillä koko Suomen alueella. (kuvat 3 ja 4)

Erot suhteutetussa pinta-alassa olisivat tulleet paremmin esille, jos toinen käyttämäni projektio olisi ollut Robinsonin projektion sijaan jokin selvästi LAEA:sta eroava projektio. Erot ovat kuitenkin havaittavissa näidenkin projektioiden välillä. Eroja olisi myös voinut havainnollistaa paremmin lisäämällä luokkia joihin alueet jaettiin, mutta koska ohjeissa on yleisesti neuvottu käyttämään n. 5 luokkaa, päädyin tähän määrään. Tässä huomaa, että tietyissä tapauksissa ohjeiden tarkkaa seuraamista tärkeämpää on miettiä miten kutakin tehtävää kannattaa lähestyä ja miten kannattaa menetellä niin, että tuloksista tulee mahdollisimman selkeitä ja havaittavia.

 

Lähteet:

georeference.com – Cylindrical Equal Area, http://www.georeference.org/doc/cylindrical_equal_area.htm
M. Lapaine: Mollweide Map Projection, http://master.grad.hr/hdgg/kog_stranica/kog15/2Lapaine-KoG15.pdf
Tilastokeskus – Yhtenäiskoordinaatti, https://www.stat.fi/meta/kas/yhtenaiskoordin.html
ENCYCLOPÆDIA BRITANNICA – Mercator Projection, https://www.britannica.com/science/Mercator-projection
GISGeography – Cylindrical Projection: Mercator, Transverse Mercator and Miller, https://gisgeography.com/cylindrical-projection/
The Arthur H. Robinson Map Library – The Robinson Projection, https://geography.wisc.edu/maplibrary/the-robinson-projection/
Susanna Kukkavuori – Datan lähteistä ja karttaprojektioiden vertailusta, https://blogs.helsinki.fi/kukkasus/2019/01/30/datan-lahteista-ja-karttaprojektioiden-vertailusta/

Ensimmäisellä kurssikerralla tutustuttiin QGIS-ohjelmiston käyttöön ja laadittiin karttanäkymiä sen avulla. QGIS on Free and Open Source Software, eli maksuton ja avoimen lähdekoodin ohjelmisto. Ohjelmiston saa vapaasti ladata ja siihen saa tehdä muutoksia, mistä johtuen ohjelmistosta myös julkaistaan jatkuvasti uudempia paranneltuja versioita.

Kurssikerran tunnilla tehdyssä tehtävässä tutkittiin HELCOM:in aineistoa ja laadittiin sen perusteella karttanäkymä. HELCOM on Itämeren rantavaltioiden ja EU:n muodostama komissio, jonka tavoitteena on suojella Itämerta ja sen ympäristöä saastumiselta. HELCOM myös julkaisee Itämerta koskevaa tutkimusaineistoa. Tunnin tehtävän aineisto käsitteli eritoten Itämereen kohdistuvia typpipäästöjä. Suurin osa typpipäästöistä on lähtöisin ihmisväestön keskittymistä ja ihmisen toiminnasta, kuten maataloudesta ja teollisuudesta (HELCOM). Itämereen kulkeutuu typpeä vesistöjen lisäksi ilmakehästä, minkä takia päästöjä kertyy myös Itämeren rantavaltioiden ulkopuolelta.

Tehtävässä QGISissä muokattiin tasojen ulkonäköä ja pyrittiin luomaan kartasta selkeä ja luettava. Samalla pystyi kokeilemalla tutustua eri toimintoihin ja nähdä käytännössä, miten kukin toimii, mikä auttaa ohjelmiston käytön sisäistämistä. Tehtävän tekeminen oli kohtuullisen helppoa selkeiden ohjeiden ansiosta. Kartan ulkonäön muuttamisen lisäksi laskettiin uutta tietoa olemassa olevan perusteella. Tämä tehtiin ns. tekstikomentojen avulla, joiden käytössä en koe olevani vahvimmillani, joten oli hyvä, että laskenta tehtiin yhdessä kunnon ohjein. Uuden tiedon avulla pystyttiin visualisoimaan kartalle Itämereen kohdistuvien typpipäästöjen prosentuaalinen osuus valtioittain. Kartalla (kuva 1) typpipäästöjen osuus on ilmaistu oranssin ja punaisen sävyillä.

Kartan selkeyttämisen kanssa sai painia jonkin aikaa, ja tein karttaan useita muutoksia, mutta lopputuloksessa typpipäästöjen osuus näkyy mielestäni selkeästi. Puolalla on selvästi suurimmat päästöt ja Eestillä pienimmät. Suhteellisen pienet ovat myös Tanskan ja Saksan päästöt, minkä osittain – etenkin Saksan kohdalla sen ollessa suurempi ja teollisempi maa – saattaa selittää se, että mailla on valumaa myös muihin meriin, kuten Iina Rusanen huomioi omassa blogimerkinnässään. Suurin osa Saksan joista valuu Atlantin puolelle. Samasta maantieteellisestä syystä voi olettaa myös, että Venäjällä on kaiken kaikkiaan suuremmat typpipäästöt, sillä Venäjä on Puolan ja Saksan lailla iso maa, jolla on paljon teollisuutta ja maataloutta sekä suuri väkiluku.

Toinen kurssikerran tehtävä suoritettiin omin avuin ja tarkoituksena oli laatia koropleettikartta Suomen kuntatasolla. Teemakarttaa tehdessä kävi selväksi, että vaikeamman vaihtoehdon suorittamiseen eivät riittäneet pelkät harjoituksen ohjeet. Valmiin harjoitusmateriaalin ulkopuolisten tietojen tuominen QGIS:in osoittautui hankalaksi, sillä en kyennyt yhdistämään .csv-tiedostoa kuntapohjaan. Tein siis tehtävän helpomman vaihtoehdon mukaan. Tiedot tehtävään ovat peräisin vuodelta 2015. Laadin teemakartan Suomen ruotsinkielisten osuuksista kunnissa (kuva 2). Kartalla näkyy selvästi, että ruotsinkielinen väestö on keskittynyt Suomen rannikkoalueille. Etenkin Pohjanmaalla, Ahvenanmaalla ja muutaman lounaisen Suomen kunnassa ruotsinkielisten osuus on suuri, yli 50% väestöstä. Pieni puute kartassa on se, että vaikka tiettävästi sisämaankin kaupungeissa asuu ruotsinkielisiä, ei se näin kuntatasolla tarkasteltaessa näy.

Tärkeää kurssilla on mielestäni alkaa hahmottaa, miten QGIS ohjelmistona toimii ja ennen kaikkea mitä sillä – ja paikkatieto-ohjelmistoilla yleensä – on mahdollista tehdä. Kurssikerralla myös kerrottiin, että ohjelmisto toimii jossain määrin muiden paikkatieto-ohjelmistojen, kuten ArcGIS:in ja MapInfon, tavoin, joten kurssin harjoitukset saattavat kehittää pohjaa myös muiden ohjelmistojen käytölle. Itsekin koin aiemmalla kurssilla CorelDraw-ohjelmiston käytön oppimisen hyötynä QGIS:iin tutustuessa. Muutkin kurssilaiset ovat selvästi ajatelleet samoin. Kuten CorelDraw’in kanssa, voisi olettaa, että QGIS:inkin kanssa harjoitus tekee mestarin.

 

Lähteet:

GQIS, https://qgis.org/en/site/about/index.html
HELCOM, http://www.helcom.fi/about-us
HELCOM – Fifth Baltic Sea Pollution Load Compilation (PLC-5), http://www.helcom.fi/Lists/Publications/BSEP128.pdf
HELCOM – Nutrient Inputs to the Baltic Sea, http://www.helcom.fi/baltic-sea-trends/eutrophication/inputs-of-nutrients/
Iina Rusanen – QGIS tutuksi, https://blogs.helsinki.fi/iinarusa/
Elina Huhtinen – Viikko 1 – QGIS ja siihen perehtyminen, https://blogs.helsinki.fi/huhelina/2019/01/16/viikko-1-qgis-ja-siihen-perehtyminen/
Ida Sihvonen – Introduktion & QGIS, https://blogs.helsinki.fi/idasihvo/2019/01/15/introduktion-qgis/