Kuukausi: tammikuu 2024

Tällä viikolla jatkoimme QGIS:iin tutustumista ja sain siihen uutta varmuutta. Samalla vertailimme eri karttaprojektioita ja koordinaattijärjestelmiä. Kurssikerran tuotoksena valmistin oheisen taulukon (Talukko 1) ja kartat (Kuva 1), jotka kuvaavat projektioiden eroja. Selväksi tuli ainakin, että koordinaattijärjestelmän valinnalla on paljon väliä, vaikkei mikään niistä täydellinen olekaan.

Taulukko 1: Pituuksien ja pinta-alojen vertailua eri koordinaattijärjestelmissä. Mitatut pituudet ja pinta-alat ovat Suomen lapista.

	TM35FIN	Robinson	World_Natural_Earth	Equal Earth Greenwich
Pituus (km)	106.294	183.737	196.464	175.671
Pinta-ala (km²)	5465.433	7576.22	8573.749	5403.398

Taulukossa olen vertaillut pituuksia ja pinta-aloja, joita QGIS:in mittaustyökalu antaa samoille välimatkoille, kun käytetään eri koordinaattijärjestelmiä. TM35FIN-projktio on transverse Mercator -projektio, jonka virheet ovat hyvin pieniä Suomen aluetta tarkastellessa. Taulukosta voi nähdä, että Natural Earth -projektioon perustuva koordinaattijärjestelmä tuotti suurimmat virheet, kun taas Equal Earth Greenwich -koordinaattijärjestelmän virheet olivat suhteellisen pieniä.

Annasofia vertaili blogissaan huomattavasti useampaa koordinaattijärjestelmää. Olikin kiinnostavaa tarkastella, miten erilaisia tuloksia eri koordinaattijärjestelmät antoivat. Esim. Mercator ja Miller Cylindrical antoivat huomattavan suuria virheitä. Equal Area cylindrical taas antoi hyvin samankaltaisia pinta-ala-arvoja kuin TM35FIN, mutta selvästi vääristyneitä pituusarvoja. Sama näkyy jossain määrin myös omassa taulukossani Equal Earth Greenwich -koordinaattijärjestelmän kohdalla. Tämä ei ole yllättävää sillä molemmat koordinaattijärjestelmät perustuvat oikeanpintaisiin projektioihin. Niiden pinta-alat siis vastaavat todellisuutta (ja ovat siis jopa tarkempia kuin TM35FIN), mutta pituuksissa voi olla virheitä. Tämä on itselleni vaikeasti hahmotettava ajatus; pinta-ala ja pituus ovat niin toisiinsa kytkeytyneitä muuttujia, että niiden olettaisi muuttuvan yhdessä.

Oli myös kiinnostavaa huomata, että Annasofia ja minä olimme saaneet hiukan erilaiset tulokset TM35FIN-projektion eroista verrattuna oikeapintaiseen projektioon. Omissa mittauksissani Equal Earth eroaa TM35FIN:istä noin 1,1 %, kun taas Annasofian mittauksissa Equal Area cylindrical -koordinaattijärjestelmä erosi TM35FIN:istä vain noin 0,6 %. Jäinkin pohtimaan, onko myös oikeanpintaisissa projektioissa kuitenkin pientä epätarkkuutta myös pinta-alojen suhteen, vai johtuuko ero vain siitä, että teimme mittaukset eri karttapisteissä.

Kuva 1: TM35FIN-projektion pinta-alojen suhteellinen ero verrattuna muihin projektioihin.

Toinen osa kurssityötä oli oheinen kuva kolmesta kartasta (Kuva 1), joissa visualisoin projektioiden eroja. Robinsonin ja Mercatorin projektio tuottavat pinta-alavirheitä, jotka suurenevat siirryttäessä kohti pohjoista. Selitteestä voi kuitenkin nähdä, että pinta-alavirheet ovat todella paljon suurempia Mercatorin projektiossa. Equal Earth on oikeapintainen projektio, joten siinä näkyvät erot kuvaavat TM35FIN-projektion virheitä. Kartasta voi huomata, että nämä virheet ovat hyvin pieniä. Suurimmatkin virheet ovat vain 0,4 %. Oli kuitenkin kiinnostavaa huomata, että virheet kasvavat pohjois-etelä -suuntaisina vyöhykkeinä ja ovat suurimpia Lapissa ja Ahvenanmaalla.

Tein kartan loppuun melko kiireessä, joten siinä olisi vielä paljon muokattavaa. Esim. karttojen asettelu on tehty melko hätäisesti, vaikka olenkin tyytyväinen siihen, että sain kaikki kolme samaan tulostusnäkymään QGIS:ssä. Myös luokitteluasteikon värit olisi ollut kiva muokata niin, että ne vastaavat toisiaan eri kerttojen välillä. Silloin myös Mercatorin projektion suuret virheet tulisivat paremmin esiin. Lisäksi komannessa kartassa luokitteluryhmiä saisi olla vähemmän, kun erot ovat noin pieniä.

QGIS:n peruskäyttö alkaa jo tuntua luontevalta, joten harjoitus on selvästi tehnyt tehtävänsä. Myös projektiot ja koordinaattijärjestelmät tuntuvat selkeiltä aiheilta (niitä toki on käsitelty paljon myös aiemmilla kursseilla), vaikkakin tätä tekstiä kirjoittaessa jouduin monesti pohtimaan, kumpaa käsitettä käyttäisin.

Lähteet:

EPSG. (2022). ETRS89 / TM35FIN(E,N) — Finland. https://epsg.io/8857 Viitattu: 31.1.2024

EPSG. (2022). WGS 84 / Equal Earth Greenwich. https://epsg.io/8857 Viitattu: 31.1.2024

Toivonen, A. (2024). VIIKKO 1: QGIS:n käytön opettelua ja koropleettikarttoja. https://blogs.helsinki.fi/annasoto/ Viitattu: 31.1.2024

 

 

 

Tein kotiläksynä oheisen koropleettikartan ruotsinkielisten osuudesta Suomen kunnissa (kuva 1). Läksy oli hyvä kertaus tunnin asiasta. Itsekseen pystyi myös testailemaan eri työkaluja vapaammin. Kartasta voi tulkita, että ruotsinkielinen väestö on keskittynyt tietyille alueille Länsi-, Lounais- ja Etelä-Suomessa. Muussa maassa ruotsinkielisten osuus on hyvin pieni.

Kuva 1: Ruotsinkielisten osuus Suomen kunnissa.

Käytin kartassa valmista Cividis-väriskaalaa, jonka pitäisi sopia hyvin myös värisokeille. Valitsin sen, koska keltainen väri yhdistyy ainakin omassa mielessäni luotevasti ruotsalaiseen kulttuuriin. En kuitenkaan käyttänyt automaattisia värivaihtoehtoja, vaan valitsin väriskaalasta vaaleammat vaihtoehdot, jotta kartasta tulisi visuaalisesti miellyttävämpi katsoa. Edelleen kartta on mielestäni hiukan liian tumma, mutten halunnut jäädä pidemmäksi aikaa säätämään värejä.

Kokeilin myös ääriviivan värin vaikutusta kuntakartan selkeyteen, mikä olikin yllättävän vaikeaa: kun väri oli gradient-tyyppiä, en löytänyt mistään ääriviivan värin asetuksia. Lopulta onnistuin vaihtamaan ääriviivan värin, kun muutin värialueen väliaikaisesti sigle symbol-tyyppiseksi. Tämä oli melkoisen vaikea keino, joten kertokaa, jos keksitte helpomman tavan. 🙂

Myös moni muu kurssilainen (esim. Stella ja Annasofia) teki karttoja ruotsinkielisten osuudesta Suomen kunnissa. Käytin Annasofian kanssa hyvin samanlaista luokittelua, mutta Stellan kartassa luokkia oli selvästi enemmän. Oli kiinnostavaa vertailla eri karttoja. Kun luokitteluluokkia oli enemmän, kuntien väliset erot erottuivat selkeämmin. Toisaalta suuremmasta luokkamäärästä välittyi mielikuva, että ruotsinkielisten osuus olisi hyvinkin suuri.

Yleisesti karttojen teko on innostavaa ja voin kuvitella että siihen jää helposti koukkuun. Varsinkin väritystä olisi voinut jäädä hiomaan ties miten pitkiksi ajoiksi.

Lähteet:

Toivonen, A. (2024). VIIKKO 1: QGIS:n käytön opettelua ja koropleettikarttoja. https://blogs.helsinki.fi/annasoto/ Viitattu: 31.1.2024

Rinta-Jouppi, S. (2024). Lära känna QGIS (vecka 1). https://blogs.helsinki.fi/ristella/ Viitattu: 31.1.2024

Ensimmäisellä MAA-202 kurssikerralla tutustuimme QGISin käyttöön. Olen käyttänyt ohjelmaa pari kertaa ennenkin, joten peruslogiikka oli tuttua. Viime käyttökerrasta on kuitenkin yli vuosi, joten yksityiskohtien kanssa oli vielä hakemista. Kurssikerta palautti mieleen myös asiaa siitä, miten paljon merkitystä esim. kartan väreillä tai luokitteluryhmien lukumäärällä on.

Kuva 1: Valtioiden osuus Itämeren typpipäästöistä

Tein kurssikerralla oheisen kartan Itämeren ravinnepäästöistä. Siitä voi tulkita että suurin osa Itämeren typpipäästöistä tulee Puolasta. Muut valuma-alueen valtiot kuormittavat Itämerta melko tasaisesti, poislukien Viro, jonka typpikuormitus oli pienin. Olen suhteellisen tyytyväinen karttaan, vaikka esim. värejä voisi aina hioa lisää. Esim. alin luokitteluluokka voisi olla hennon vaaleanpunainen, niin että se kuuluisi selkeämmin samalle väriskaalalle kuin muut maat. Nyt Viron valkoinen väri erottuu omaan silmääni hiukan liikaa muusta kartasta. Myös syvyyskäyrät voisi poistaa.

Jos kartta julkaistaisiin ”oikeasti” (siis tämän kurssiblogin ulkopuolella), olisi myös hyvä tarkentaa, miksi ”muut maat” on jätetty luokittelun ulkopuolelle (eivät kuulu Itämeren valuma-alueeseen, eikä niistä siksi tule typpipäästöjä). Se ei välttämättä tule esiin vain karttaa katsomalla.

Tästä on hyvä jatkaa geoinformatiikan opettelua!