Ensimmäinen viikko – First steps to QGIS (ja siitä eteenpäin…)

QGIS-ohjelma oli onneksi jo valmiiksi jossain määrin tuttu, joten aivan kaikkea ei tarvinnut opetella alusta alkaen. Muistinvirkistämistä sen käyttäminen kuitenkin selkeästi vaati, miksi olikin loistavaa, että ensimmäisellä kurssikerralla käytiin yhdessä perusasiat aineiston lataamisesta lähtien läpi. Perusasioiden kertaamisen jälkeen oli sitten huomattavasti mukavampi lähteä käyttämään ohjelmaa – heti ensimmäisen harjoitustehtävän yhteydessä.

Typpipäästöjä Itämeressä

Kurssin ensimmäinen harjoitusaineisto liittyi Itämereen joutuviin typpipäästöihin, joita koskeva data oli peräisin The Baltic Marine Environment Protection Commission (HELCOM) raportista vuodelta 2013. Siinä siis selviää, mistä sen rannikkomaista valuu eniten typpeä Itämereen: kartan (kuva 1) mukaan Puolasta. Myös Venäjä, Ruotsi ja Latvia olivat isoimpia saastuttajia typen osalta. Visualisoidun kartan kurssikerralla tehdyssä ensimmäisessä versiossa (joka ei ehtinyt tallentua mihinkään) oikeastaan vain Puola oli selvästi eri luokassa kuin loput valtiot, ja lisäksi luokkia oli vain kolme. Koska data-aineistoa lukiessa olin kuitenkin huomannut, että Ruotsin ja Venäjän typpipäästöt olivat selvästi isommat kuin esimerkiksi Suomen ja Saksan, päätin lisätä karttaan neljännen luokan ja muuttaa hieman niiden luokkarajoja niin, että sain suuremmat päästöjen aiheuttajat toiseen luokkaan: tämän vaiheen tuotos kuvassa 1.

Tätä tehdessä kuitenkin huomasin, kuinka helppoa kartan tekijän on tehdä visualisoinnista sellainen, että se ”ajaa omaa etua” eli esimerkiksi tässä tapauksessa voisi ajatella, että näyttääkseni Suomen paremmassa valossa siirsin sen toiseksi korkeimmasta luokasta toiseksi pienimpään. Toisaalta koen kuitenkin, että tämä oli hyväksyttävä tapa muuttaa luokittelua, sillä erot olivat sen verran suuret, että kaikkien 6,4 prosentista yli 13 prosenttiin laittaminen samaan luokkaan olisi myös antanut aineistosta harhaanjohtavan kuvan. Kartan laatiminen vaatii siis tekijältä kykyä tarkastella ilmiötä objektiivisesti ja toisaalta vastuun kuvata ilmiötä mahdollisimman neutraalisti, jotta se näyttäytyy mahdollisimman todenmukaisena. Myös Taika Jaakkola oli blogissaan (2024) pohtinut tätä, ja nostanut esiin, että toisaalta myös kartan lukijalla on ”vastuu pohtia kriittisesti esitettyjä tietoja ja ilmiön mahdollisia syitä”. Tämä oli mielestäni tärkeä nosto, sillä typpipäästöjen suuruuden taustalla on tässäkin useita eri syitä: esimerkiksi valtion rantaviivan pituus, väkiluku ja maaperä (Jaakkola, 2024). Kartan onnistunut tulkinta vaatii siis sekä sen laatijalta, mutta myös sen lukijalta kykyä ymmärtää ilmiötä, sen syitä ja sen aiheuttajia.

Kurssikerran jälkeen ehdin jo hukata tuon kuvan 1 kartan, minkä vuoksi tein sitten koko visualisoinnin vielä toistamiseen. Vaikka tekohetkellä kovin ärsyttikin, jälkikäteen mietittynä ei ehkä ollutkaan niin huono homma tehdä harjoitusta uudestaan: sain ainakin kerrattua työvaiheet ja pystyn nyt sanomaan, että osaisin tehdä saman tehtävät ilman ohjeita uudestaan, jos pitäisi. Taas tuli siis todettua, että kertaus kannattaa… ja QGIS:n peruselementtien käyttökin alkaa jo onnistua. Tätä uudestaan tehtyä karttaa tallentaessani (löytyy kuvasta 2) sitten huomasin, että aikaisempi kartta odottikin iloisesti täysin valmiina kuvatiedostona oikeassa kansiossa eli en vain ollut huomannut sitä – ensi kerralla siis silmä käteen ja katsomaan kunnolla. Joka tapauksessa kertaus on opintojen äiti ja lisäksi sain toimivan karttatiedoston myös kannettavalleni eli pääsin vielä bonuksena parantelemaan jälkikäteen tuotostani.

Innostuin Lauran Vitikan blogista (2024) löytyneen Pilestone-sivuston kautta testaamaan myös oman karttani näkyvyyttä punavihersokeille. Ensimmäisen kokeilun yhteydessä, johon käytin kuvan 3 karttaa, luokitteluasteikon toisen välin vaaleanpunainen väri katosi muita valtioita kuvaavaan harmaansävyyn. Niinpä päätin vielä hieman ehostaa kartan visualisointia eli vaihdoin muita valtioita kuvaavan harmaansävyn hieman vaaleammaksi, ja samalla vaihdoin punaisen sävyt hieman tummemmiksi toivoen, että ne erottuisivat paremmin nyt myös punavihersokeille. Päätin samalla parannella karttaa muiltakin osin, kerran jo aloitin sen muokkaamisen: poistin sieltä vielä typen päästölähteitä kuvaavat pallot, joita en kokenut kartan käyttötarkoitusta varten erityisen tärkeiksi ja samalla vaalensin hieman tässä tapauksessa epäolennaisia meren syvyyskäyriä. Parannellun ja samalla lopullisen kartan (kuva 3) pohjalta tehty visualisointi (kuva 4) näytti nyt muutosten jälkeen huomattavasti selkeämmältä, joten annoin sen jäädä sellaiseksi. Lisäksi lopullinen kartan visualisointi miellytti omaa silmääni, joten päätin, että sekin saa olla nyt valmis (kuva 3).

Kartan paranteluun ja viimeistelyyn olisi saanut käytettyä vielä huomattavasti enemmän aikaa, mutta mielestäni se kuvasi kuitenkin kyseissä muodossaan tarpeeksi hyvin haluttua ilmiötä. Vaikeaa oli esimerkiksi säätää kartan vesialueiden väri sellaiseksi, että se erottui tarpeeksi hyvin ympäröivästä maa-alueesta, mutta ei ollut kuitenkaan liian sekava. Punaista vasten sinisen sävy kannatti säätää taittamaan enemmän keltaiseen ja toisaalta vähän tummemmaksi, jolloin se erottui paremmin punaisesta taustasta. Tämän eron huomaa mielestäni melko hyvin kuvien 1 ja 2 kartoista, joista jälkimmäisessä järvialueet erottuvat jokseenkin huonommin. Vaikeutta aiheutti kuitenkin järvialueiden laajuus etenkin Suomen ja Ruotsin alueilla, sillä vieläkin kuvan 1 kartassa näyttää lähes siltä, että Järvi-Suomen alue on yksi iso järvi, jonka keskellä on muutamia maatilkkuja – tällaisessa mittakaavassa siis piti pohtia, onko lopulta niin tarkkaa, että järvet edes erottuvat kunnolla ympäröivästä alueestaan. Päädyin kuitenkin siihen, että järvet ovat vesialueita kuvaavassa kartassa sen verran oleellisia, että ne kannatti jättää siihen näkyviin. Lisäksi kartan ”vinous” ja sen takia myös pohjoisnuolen paikkansapitävyys mietitytti jo tekovaiheessa, mutta annoin asian kuitenkin olla – ja huomasin, että myös Laura oli tullut samaan tulokseen. Tällainenkin asia olisi kuitenkin varmasti tarpeen viimeistellä oikeelliseksi siinä tilanteessa, että kartta julkaistaisiin yleisölle.

Ulkomaalaisten osuus Suomen kunnissa

Tehtävän toisen osan aloittaminen vaati turhan monta päivää, ja lopuksi väänsin sitä kamalassa kiireessä (ei suositeltavaa…). Jatkossa olisi siis vähintäänkin syytä aloittaa tällaisten tehtävien tekeminen A J O I S S A, jotta niistä saisi paremmin jotakin irti ja toisaalta myös haastettua paremmin itseäni. Ajanpuutteen vuoksi päädyin siis ensimmäisen vaikeustason tehtävään, vaikka toinen taso olisikin houkutellut tässä yhteydessä muuten enemmän.

Aineistojen lataaminen ja avaaminen QGIS:iin onnistui helposti ja ensimmäinen ongelmakohta ilmeni vasta luokittelutavan valinnassa ulkomaalaisten osuuden kuvaamiselle. Kokeilin erilaisia tapoja luokitella aineistoa, ja päädyin lopulta natural breaks -tapaan, johon laitoin seitsemän eri luokkaa – koin, että sillä tavalla sain kuvattua parhaiten yksittäisen kunnan ulkomaalaisten osuutta kunnan väestöstä.

Kuvan 5 koropleettikartta kuvaa tällä tavalla oman tietämykseni perusteella varsin hyvin ulkomaalaisten osuutta eri kunnissa ja toisaalta eri puolilla Suomea: rannikkokaupungeissa ja toisaalta myös itärajan lähellä sekä Ahvenanmaalla ulkomaalaisten osuus on suurempi, kuin esimerkiksi Keski-Suomessa.

Karttaa tehdessä luokitteluasteikko näytti järkevältä, mutta kun nyt katson sitä uudestaan tulkinnan yhteydessä, etenkin keskellä olevien luokkien värit vaikuttavat vähän liian saman sävyisiltä: en oikeastaan pysty sanomaan, missä kartalla menee esimerkiksi luokkien 2,5-4,1 ja 4,1-6,5 raja. Luokkia olisi siis kannattanut kuitenkin olla vähemmän ja toisaalta myös niiden raja-arvot tasalukuja, jotta välit olisivat erottuneet selkeämmin ja tarkempi tarkastelu olisi ollut helpompaa. Toisaalta kokonaisvaltaisempaan tarkasteluun tämä käynee myös näin – kuten jo aiemmin kuvailin, tästä pystyy kuitenkin erottamaan, missä osuus on suuri ja missä pienempi.

Myös saavutettavuuden näkökulmasta sanoisin, että esimerkiksi lähellä toisiaan olevien punaisten sävyt voivat jäädä vaikeasti havainnoitaviksi. Lisäksi luokitteluvälejä on nyt niin monta, että niiden ymmärtäminen myös vähentänee myös kartan saavutettavuutta. Jos aikaa olisi ollut, olisin siis tehnyt tähänkin vielä paranteluja, joilla kartan lukeminen olisi ollut helpompaa. Kokonaisuudessaan olen kuitenkin tuotokseen ihan tyytyväinen, etenkin siihen käytettyyn aikapanokseen nähden.

 

Lähteet:  

Jaakkola, T, (2024). QGIS for dummies ja karttojen laatimisen perusteita.  https://blogs.helsinki.fi/jztaika/2024/01/17/qgis-for-dummies-ja-karttojen-laatimisen-perusteita/ Haettu: 19.1.2024

Vitikka, L., (2024). Oppimispäiväkirja ja tehtävät 17.1.  https://blogs.helsinki.fi/viclaura/2024/01/17/oppimispaivakirja-ja-tehtavat-17-1/ Haettu: 19.1.2024