Month: January 2022

Toinen viikko lähti käyntiin mukavasti tutustumalla ytimekkääseen datan lähteet -tietopakettiin. Infoa saatiin paikallisista- sekä rajapintojen kautta haettavista tiedostoista, jotka saadaan suoraan palvelimelle. Rajapintojen tyypillisimpiä datatyyppejä ovat mm. WFS, WMS ja WMTS. Tämän viikon töissä saimme ensikosketuksen rajapintojen käytöstä.

Mittaustyökalu ja tulokset eri koordinaattijärjestelmillä

Viikon ensimmäisessä harjoituksessa opettelin käyttämään QGISin mittaustyökaluja pituuden ja pinta-alan osalta. Tein kolme erilaista mittausta Suomen kartalle: itsemäärittämän alueen pinta-alan sekä itä-länsi ja etelä-pohjoissuuntaiset suorat (kuva 1.)

Kuva 1. Mittaukset QGIS-ohjelmalla. Pinta-ala “suomineidon” päästä kolmella pisteellä mitattuna (vas.), itä-länsisuuntainen etäisyys Lieksasta Vaasaan (kesk.) ja etelä-pohjoissuuntainen etäisyys Kotkasta Utsjoelle (oik.)

 

Vertasin jokaisen mittauksen arvoja viidellä eri koordinaattijärjestelmällä, ja koostin tuloksista taulukon Excelillä. Tulosten talteen ottaminen oli yksinkertaista ja luotettavaa, koska mittausta ei tarvinnut suorittaa uudelleen koordinaattijärjestelmää vaihdettaessa. On varsin kätevää, että saman mittauksen voi pitää auki, vaikka vaihtaa koordinaattijärjestelmää. Ohjelma päivitti uudet arvot mittausikkunaan automaattisesti, josta kopioin ne suoraan Exceliin (taulukko 1.).

            Taulukko 1. Mittausten tulokset viidessä eri koordinaattijärjestelmässä. ETRS89-TM35FIN sekä sillä saadut arvot on merkitty vihreällä todenmukaisuutensa takia, jolloin vääristyneitä arvoja on helppo verrata niihin. 

 

Taulukosta voidaan huomata, että erot eri projektioiden ja näiden pohjalta luotujen koordinaattijärjestelmien välillä ovat radikaaleja. Tämä ei kuitenkaan tullut yllätyksenä, onhan meille puhuttu projektioiden virheistä lukiosta asti. Valitsin käyttämämme ETRS89-TM35FIN -koordinaatiston lisäksi neljä erilaista koordinaattijärjestelmää, jotka on kaikki luotu maailmankartoissa käytettyjen projektioiden pohjalta.

World Winkel Tripel NGS -koordinaattijärjestelmä pohjautuu Winkel Tripel -projektioon, joka on tasavälisen lieriöprojektion ja Aitoffin projektion aritmeettinen keskiarvo (Wikipedia, 2017). Projektion tarkoituksena on minimoida vääristymiä jokaisella osa-alueella: pinta-aloissa, suunnissa ja etäisyyksissä. Kuten taulukosta nähdään, pinta-ala ja leveys on vääristynyt liian suureksi, mutta virheet ovat kuitenkin huomattavasti maltillisempia kuin esimerkiksi Mercatorissa.

WGS 84 / World Mercator onkin selvästi vääristynein järjestelmä taulukossa, ja projektiona myös varmasti käytetyin, kun puhutaan pinta-ala vääristymistä. Pinta-ala on peräti n. 8,5 -kertainen verrattuna todelliseen pinta-alaan, jota käyttämämme ETRS89-TM35FIN pääsee hyvin lähelle. Mercator on oikeakulmainen projektio, joka näyttää jokaisen pituus- ja leveyspiirin suorassa kulmassa toisiinsa nähden 2-ulotteisella tasolla. Tämä tarkoittaa sitä, että vääristymä kasvaa sitä suuremmaksi, mitä kauemmaksi päiväntasaajasta edetään.

World Gall Stereographic -järjestelmä muistuttaa Winkel Tripeliä siten, ettei se ole oikeakulmainen, -pituinen tai -pintainen, mutta yrittää minimoida virheitä jokaisella osa-alueella (Wikipedia, 2022). Virheet pinta-alassa ja etäisyyksissä on kuitenkin suurempia verrattuna edellä mainittuun. Se on Mercatorin tapaan lieriöprojektio, jonka takia virheet kasvavat napoja päin, kun lieriö leikkaa päiväntasaajaa.

Viimeisenä vertailukohteena on World Cylindrical Equal Area. Nimensä mukaan se perustuu lieriöprojektioon, jossa mittoja on muutettu siten, että pinta-alat pysyvät oikeina, tai vähintään lähellä oikeita. Taulukosta huomataankin, että pinta-ala heittää Suomen kokoisella alueella vain 24 neliökilometriä, joka on alle prosentin verran.                                *Mutta* oikeasta pinta-alasta huolimatta karttaa katsoessa “suomineito” ei näytäkään enää kovin tutulta. Ilmiö voidaan huomata myös taulukosta: leveysmittaus on yli kaksinkertainen ja pituusmittaus päinvastoin yli kaksikertaa pienempi kuin käyttämässämme koordinaattijärjestelmässä.

 

Pinta-alojen vääristymisen yhteys sijaintiin

 

Edellä analysoitujen mittausten lisäksi tuotin kaksi luokiteltua karttaa, jotka kuvaavat pinta-ala vääristymien kertoimia kunnittain.  Ensimmäisen kartan loin World Gall Stereographic -projektion pohjalta (kuva 2.).

Kuva 2. Luokiteltu kartta Gall Stereographic -koordinaattijärjestelmän aiheuttamista pinta-alan vääristymistä Suomessa suhteutettuna ETRS-TM35FINiin.

Kartta kuvaa kuntien pinta-alojen kertoimia verrattuna todelliseen pinta-alaan. Voidaan huomata, kuinka Etelä-Suomessa nousee 1,5:stä ylöspäin, ja Lapissa ollaan jo lukemassa 2,5. Vääristymä siis kasvaa pohjoiseen päin mentäessä. Tämä on päiväntasaajaa sivuavan lieriöprojektion seurausta. Mitä lähempänä sivuamispiiriä kohde on, sitä todenmukaisempana se näkyy. Ts. sanoen vääristymä kasvaa sitä suuremmaksi, mitä lähemmäksi napoja edetään. Itse kartan muodostakin näkee hyvin vahvan vääristymän, kun Lappi näyttää Etelä-Suomeen suhteutettuna paljon suuremmalta, mitä se todellisuudessa on.

Toinen luokiteltu kartta on valmistettu World Mercator -koordinaattijärjestelmän pohjalta. Kuten taulukossa 1. jo nähtiin, vääristymät pinta-alassa ovat erittäin suuria kyseisellä projektiolla. Tästä lisää kuvassa 3:

Kuva 3. Luokiteltu kartta World Mercator -koordinaattijärjestelmän aiheuttamista pinta-alan vääristymistä Suomessa suhteutettuna ETRS-TM35FINiin.

 

Kartta on luokiteltu edellisen tapaan seitsemään eri luokkaan, ja väriskaalakin on samanlainen. Kuten myös Salla Kärkkäinen mainitsee blogissaan, on luokkien määrällä ja käytetyllä väriskaalalla paljon vaikutusta kartan luettavuuteen ja sen aiheuttamiin mielikuviin. Itse käyttämäni skaala on mielestäni konseptissaan toimiva, kun vähiten vääristyneet alueet on kuvattu raikkaalla sinisellä, ja suurimman virheen omaavat alueet taas uhkaavalla punaisella. Vaikka kartoissa on yhtäläisiä visuaalisia tekijöitä, niin legendasta selviää nopeasti, että vääristymät ovat jälkimmäisessä todella paljon edellistä voimakkaampia. Etelä-Suomessa kerroin on neljän paikkeilla ja Lapissa noustaan yli kahdeksan. Molemmat järjestelmät on luotu lieriöprojektion pohjalta, joka sivuaa päiväntasaajaa. Pinta-ala vääristymät ovat World Gall -projektiossa kuitenkin huomattavasti maltillisemmat, koska leveyspiirien välit eivät kasva yhtä voimakkaasti kuin Mercatorissa.

Yhteenvetona voidaan todeta, että projektiolla on todella merkittävä vaikutus alueen muotoon ja pinta-alaan. Tämä ei kuitenkaan ollut viikon pääoppi, vaan kertausta edellisiltä kursseilta. Olennaista viikon harjoituksissa oli toistot QGIS:n kanssa. En voi sanoa, että kokisin vielä oloani kovinkaan kotoisaksi sen kanssa, mutta pikkuhiljaa hyvä tulee. Tapaamme jälleen ensi viikolla!

 

Lähteet:

Kärkkäinen, S. (2022) Sallan blogi. Viikko 2: Kuntien avainlukuja ja gissiä. Haettu 30.1.2022 osoitteesta https://blogs.helsinki.fi/karkkais/

Wikipedia. (2017) Winkel Tripel -projektio. Haettu 27.1.2022 osoitteesta https://fi.wikipedia.org/wiki/Winkel_tripel_-projektio

 

 

 

 

 

 

 

Opiskelujen osalta vuosi 2022 alkoi onneksemme lähiopetuksena Kumpulassa, kun tutustuimme QGIS:n käyttöön Geoinformatiikan menetelmät -kurssin ensimmäisellä opetuskerralla.

QGIS oli entuudestaan hyvin vieras ohjelma. Aikaisempia kokemuksia sen käytöstä on vain yksi, kun teimme Johdatus geoinformatiikkaan -kurssilla liikenneturvallisuuteen liittyvän analyysin valmiin ohjerungon avulla. Suureksi yllätykseksi kyseisestä harjoituksesta ei kovinkaan paljon jäänyt käteen.

Sen sijaan maanantaisesta neljän tunnin lähisessiosta sai paljon enemmän irti, vaikka todella voidaan puhua vasta pintaraapaisusta ohjelman käyttöön. Monet perusominaisuudet kuitenkin jäivät mieleen ja ennen kaikkea mielenkiinto ja oppimisen halu heräsi ohjelmaan liittyen.

Yhdessä ja ohjeita seuraten loimme koropleettikartan Itämereen johtavien typpipäästöjen valtiokohtaisista osuuksista (kuva 1.). Fosforin tapaan typpi vaikuttaa merkittävästi vesistöjen rehevöitymiseen, joka onkin ollut Itämeren suurin ongelma viime vuosikymmeninä (Itämeri.fi, 2020). Suurimpana yllätyksenä itselleni tuli Puolan osuus päästöistä. Kuvittelinkin sen olevan yksi suurimmista saastuttajista, mutta 33,7% osuus kaikista päästöistä tuli pienimuotoisena shokkina. Luin Nea Tiaisen blogista, että Puolassa typen kokonaispäästöt koostuvat 50 % maataloudesta, 26 % palamisreaktioista ja 22 % liikenteestä.

Kuva 1. Typen päästöt valtiokohtaisina osuuksina. Mitä kirkkaampana punaisena valtio on kuvattu, sitä suuremmat päästöt kyseisellä valtiolla on.

Kyseinen koropleettikartta on kurssin ensimmäinen luomus. Lopputuloksesta tuli kohtalaisen toimiva ja etenkin yksinkertainen, kuten tavoittelin. Olen tyytyväinen päästöjen perusteella luotuun väriskaalaan. Kokonaisuudessaan pidän kartan värimaailmasta: punaisen sävyt ja vaalean sininen toimivat hyvin neutraalin harmaan ja valkoisen kanssa.

Kartta on kuitenkin hyvin nopeasti laadittu ja näin jälkikäteen analysoidessa huomaan muutamia asioita, joita olisin voinut tehdä toisin. Esimerkkinä punaiset pisteet, jotka kuvaavat valtiokohtaisia typpipäästöjä. Ne olisi ollut syytä merkitä legendaan tai ehkä vain mieluummin poistaa kokonaan kartalta. Legendaan liittyy myös toinen pieni epäkohta, kun olen merkannut sinisen värin kohdalle “vesistöt”. Nimeäminen olisi pitänyt tehdä tarkemmin, koska Itämeren ulkopuoliset merialueet on kuvattu valkoisella. Näiden lisäksi mittakaava on mielestäni tarpeettomasti pätkitty neljään osaan. Olisi ollut toimivampi valinta tehdä jako kahteen osaan. Kokonaispituus olisi tällöin ollut sama tuhat kilometriä tai vaihtoehtoisesti esimerkiksi 500 kilometriä. Viimeisenä virheenä mainittakoon, ettei pohjoisnuoli osoita pohjoiseen. Olin hyvin orientoitunut siihen, että pohjoinen osoittaa suoraan ylöspäin, kuten suurimmassa osissa kartoista ja aineistoista. Tämä oli kuitenkin hyvä oppitunti, jonka johdosta muistan olla jatkossa huolellisempi.

Vaikka en ole täysin tyytyväinen karttaan, niin tärkein asia toteutui,  eli pääsin perille tietyistä QGIS:n perustoiminnoista. Tästä on hyvä jatkaa eteenpäin. Odotan jo innolla tulevia kurssikertoja sekä niiden oppeja.

 

Lähteet:

Pohjola, P (2020). Rehevöityminen Itämerellä, Itämeri.fi. Haettu 24.1.2022 osoitteesta  https://itameri.fi/fi-FI/Luonto_ja_sen_muutos/Itameren_tila/Rehevoityminen

Tiainen, N. (2022). HELCOM-alueen typpikartta, Melkein GIS-guru siis itsekkin. Haettu 24.1.2022 osoitteesta  https://blogs.helsinki.fi/tiainea/