Helsingin yliopisto
Fuksisyksyn aikana MAA-104- ja osin myös MAA-201-kurssilla saatu pintaraapaisu geoinformatiikkaan sai minut kiinnostumaan entistä enemmän tästä maantieteen osa-alueesta, jota ei lukion maantieteen kursseilla paljoa ehditty käsittelemään. Siispä myös odotukseni tätä kurssia kohtaan olivat melko korkeat.
Ilman turhia viivyttelyjä aloimme jo ensimmäisellä kurssikerralla tutustumaan QGIS-paikkatieto-ohjelmaan ja sen käyttöön. Yhdessä tehtävässä olin QGISiä käyttänyt jo eräällä aiemmalla kurssilla, mutta ohjelma oli silti vielä varsin vieras minulle. Yleisellä tasolla koen myös, etteivät avoimen lähdekoodin ohjelmat aina anna kovin käyttäjäystävällistä tai selkeää ensivaikutelmaa, mutta pienen harjoittelun jälkeen huomaa niiden tarjoavan lähes yhtä hyvät ellei paremmat työkalut kuin kaupalliset vastineensa.
Kuva 1. Itämeren typpipäästöt valtioittain.
Ensimmäisen luentokerran harjoitus Itämeren typpipäästöjen alueellisen jakautumisen esittämisestä koropleettikartalla (kuva 1) sujui melko suoraviivaisesti ja onnistui hyvin. Esitystavassa on kuitenkin joitain seikkoja, joita muuttamalla kartasta voisi tulla vielä parempi. Järvet erottuvat kartalla mielestäni turhan tarkasti ja tekevät kokonaisuudesta esteettisesti hieman sekavan, antamatta kuitenkaan kovin paljoa olennaista tietoa.
Toisaalta Eemil Sillankorva (24.1.2022) huomauttaa blogissaan, että karttaan ei ole merkitty jokia. Tämä on mielestäni hyvä huomio, ja olen samaa mieltä Sillankorvan kanssa siitä, että ne havainnollistaisivat typpipäästöjen reitit Itämereen hyvin ja olisivat siksi ehkä hyödyllisempiä merkitä karttaan kuin pienimmätkin järvet.
Vasta blogikirjoitusta tehdessäni huomasin, että karttaan on merkitty esimerkiksi Saksan järviä vain maan koillisosasta, mutta toisaalta myös aineiston ulkopuolelle jääneellä Valko-Venäjällä näkyy paljon järviä. Tutkittuani asiaa selvisi, että aineistossa ovat mukana kaikki järvet koko Itämeren valuma-alueelta, joka ulottuu aina Tšekkiin ja Slovakiaan asti. Tällöin voi myös arvella, että esimerkiksi Valko-Venäjältä virtaavat typpipäästöt on saatettu kirjata osaksi esimerkiksi Liettuan ja Latvian päästöjä, jos ne lopulta kulkeutuvat jokia pitkin näiden maiden läpi mereen. Toisaalta voi myös olla, ettei niitä ole otettu mukaan tilastoon ylipäätään.
Valuma-alueen merkitseminen karttaan voisi myös helpottaa kartan tulkitsemista. Nyt esimerkiksi Venäjän päästöt näyttäytyvät selvästi pienempänä kuin Puolan, mutta tämä johtunee pitkälti siitä, että Venäjästä vain pieni osa kuuluu Itämeren valuma-alueeseen, kun taas Puola kuuluu lähes kokonaan. Lisäksi tulkinnassa tulee huomioida, että eri valtioiden väkiluvut eroavat merkittävästi toisistaan: Puolan väkiluku on noin seitsemänkertainen Suomeen verrattuna, joten myös isompia kokonaispäästöjä voidaan ehkä siten pitää oikeutettuina.
Karttani on mielestäni ulkoasultaan selkeä. Ajattelen kuitenkin, että syvyyskäyrät eivät tuo siihen juurikaan hyödyllistä lisätietoa, ja että ne voisi näin ollen jättää pois selkeyden lisäämiseksi. Punaisen sävyt sopivat hyvin kuvaamaan lähtökohtaisesti negatiivista ilmiötä eli typpipäästöjä.
Typpipäästökartan lisäksi pääsin tekemään Suomen kunnista vapaavalintaisen koropleettikartan. Latasin karttapohjan QGISiin Tilastokeskuksen WFS-rajapinnan kautta ja etsin sitten Tilastokeskuksen sivuilta mielenkiintoisia tilastoja kartalla esitettäväksi.
Kuva 2. Eduskuntavaalien 2019 äänestysprosentti kunnittain. (Tilastokeskus, 2019)
Päädyin tuottamaan kartan eri kuntien äänestysaktiivisuudesta vuoden 2019 eduskuntavaaleissa (kuva 2). Latasin aineiston Excel-muotoisena Tilastokeskuksen StatFin-tietokannasta ja muokkasin sitä niin, että sain käytettyä kolminumeroista kuntanumeroa yhteisenä sarakkeena ja siten yhdistettyä tiedot karttapohjaan Join-toiminnolla. Tämän harjoituksen tein itse asiassa vasta kolmannen kurssikerran jälkeen, joten tämä haastavampikin vaihtoehto sujui hyvin.
Kartasta voidaan huomata, että äänestysaktiivisuus on keskimäärin selvästi korkeampi Länsi- kuin Itä-Suomessa. Kaikkein aktiivisimpana alueena erottuu selvästi Pohjanmaa. Tällainen selkeä ero tuntui aluksi hieman yllättävältä, mutta toisaalta myös ymmärrettävältä, sillä monilla muillakin mittareilla maamme läntiset osat menestyvät itää paremmin. Esimerkiksi Arttu Granat (20.1.2022) esittelee blogissaan kartan Suomen kuntien työttömyysasteesta, ja karttoja vertaillessa voi huomata yleisen trendin: matala työttömyysaste ja korkea äänestysaktiivisuus kulkevat pitkälti käsi kädessä.
Blogin kirjoittamisen aloittaminen ei aivan kurssin alussa meinannut innostaa, mutta itse QGIS innosti sitäkin enemmän: tämän blogipostauksen julkaisen vasta nyt, mutta jo ensimmäisellä kurssiviikolla päädyin omalla ajalla testailemaan esimerkiksi rajapintojen käyttöä ja tekemään Helsingin seudun avoimien tilastotietokantojen aineiston pohjalta esimerkiksi kartan nuoren vieraskielisen väestön alueellisesta jakautumisesta pääkaupunkiseudulla (kuva 3).
Kuva 3. Vieraskielisten osuus alle 16-vuotiaasta väestössä Helsingin osa-alueittain vuonna 2020. (Helsingin kaupunginkanslia, 2021)
Alueellinen eriytyminen pääkaupunkiseudulla on minua kiinnostava ilmiö, joten ajattelin tällaisen kartan olevan kiinnostava. Lisäksi valitsin tarkasteltavaksi alle 16-vuotiaat, sillä nuoressa väestönosassa eriytymistrendit näkyvät yleensä selkeämmin ja aikaisemmin kuin koko väestöä tarkasteltaessa. Kartasta voidaan huomata kuinka suurimmassa osassa kantakaupunkia ja kaupungin pohjoisosia vieraskielisten nuorten osuus on alle 20 %, mutta viidellä Itäisen suurpiirin osa-alueella he muodostavat jopa enemmistön ikäluokasta.
Datan muokkaaminen QGISille ja Join-toiminnolle sopivaan muotoon oli aikaavievää, mutta uskon senkin nopeutuvan ja helpottuvan ajan myötä, kun harjoitusta tulee enemmän. Arvelen, että tulen tekemään erilaisia karttoja kiinnostavista aiheista myös tulevaisuudessa ja mahdollisesti myös keräämään niitä jollekin sivulle.
Erityisesti haluaisin tehdä koko pääkaupunkiseudun kattavia karttoja, joissa eri kaupunkien aluejakojen mukaiset tiedot yhdistyvät yhtenäiseksi kokonaisuudeksi. Tällaisia karttoja näkee harmi kyllä melko harvoin, vaikka pääkaupunkiseutu on melko yhtenäinen kaupunkialue, missä alueellisen eriytymisen trendit eivät juuri välitä kaupunkien välisistä rajoista.
Tähän päättyy tämä huomattavan pitkäksi paisunut ensimmäinen blogipostaukseni. Pyrin alkavan viikon aikana jakamaan blogiin myös toisen ja kolmannen kurssikerran fiilikset.
Lähteet
Granat, A. (20.1.2022). Ensimmäisen viikon harjoitukset. Garttu’s blog. https://blogs.helsinki.fi/garttu/2022/01/20/hello-world/
Helsingin kaupunginkanslia (2021). Helsingin väestö äidinkielen ja iän mukaan 31.12. Helsingin seudun avoimet tilastotietokannat. https://stat.hel.fi/pxweb/fi/Aluesarjat/Aluesarjat__vrm__vaerak__pksoa/A03S_HKI_Vakiluku_aidinkieli.px/
Sillankorva, E. (24.1.2022). Ensimmäinen kurssikerta – QGIS lämmittelyä, typpeä ja kuntadataa. Eemilin mantsa-blogi. https://blogs.helsinki.fi/sillanko/2022/01/24/ensimmainen-kurssikerta-qgis-lammittelya/
Tilastokeskus (2019). Äänestystiedot eduskuntavaaleissa 2019. StatFin. https://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/StatFin__vaa__evaa__evaa_2019/120_evaa_2019_tau_102.px/