Helsingin yliopisto
Paikkatiedon kertausta
Kurssin MAA202 – Geoinformatiikan menetelmät 1 ensimmäisellä kurssikerralla kertasimme jo aiemmilla MAA104 ja MAA201 -kursseilla opittua tietoa paikkatiedon rakenteesta. Palautimme muun muassa mieleemme, minkälaisesta tiedosta paikkatieto oikeastaan koostuu. Tutkimme ja vertailimme myös paikkatietoanalyyseille oleellisia vektori- ja rasterimalleja sekä näille malleille tyypillisiä ominaisuuksia. Jos totta puhutaan, niin vektorien ja rasterien kertaus tuli tarpeeseen. Näiden kahden eron pitäisi olla hyvinkin selkeä, mutta aina toisinaan itselle uuteen paikkatietoanalyysin tutustuessa ei ole helppoa tunnistaa, onko kyseessä vektori vai rasteri. Joskus niiden väliset eroavaisuudet voivat olla melko häilyvät.
Itämeren typpipäästöt
Harjoittelimme jo entuudestaan tutun paikkatieto-ohjelma QGIS:n käyttöä Arttu Paarlahden opastamana ja loimme ohjelmistolla hyvin yksinkertaisen, mutta informatiivisen koropleettikartan (Kuva 1.) Itämeren alueen typpipäästöihin liittyen. QGIS oli minulle tuttu vain pintaraapaisulta MAA104 -kurssilta. Oli mielestäni kiehtovaa, kuinka paljon erilaisia toimintoja ja työkaluja ohjelmisto sisältää karttojen ja analyysien luomisen avuksi. Opettajan näyttämien työvaiheiden seuraaminen oli ajoittain haastavaa ja jo pienimmänkin huomion herpaantumisen jälkeen tuntui jääneensä jo rutkasti jälkeen. Samaa pohti Usko Sinervo (2024) blogissaan. Onneksi kysymällä neuvoa kaverilta pääsi nopeasti takaisin kärryille. Uskon, että kurssikerran jälkeen minulta luonnistuu samankaltaisen teemakartan tekeminen omatoimisesti, edes joten kuten. Kartan lopputulos ei jäänyt kuitenkaan miellyttämään itseäni. Vaikka karttani värimaailma toimii halutun datan esittämisessä, on se silti melko tylsä. Lisäksi legendan osalta minua jäi hieman vaivaamaan kohteiden lopullinen järjestys. Minun olisi tullut miettiä legendan tekstien järjestys loogisemmin, kun ajattelee sitä, mitä kyseisellä kartalla on haluttu esittää. Värit ovat kuitenkin mielestäni selkeät, ja lukija kykenee varmasti ymmärtämään kartan sisältämän informaation.
Tekemämme teemakartan sisältämästä datasta voi tehdä mielenkiintoisia havaintoja. Erityisesti Puolan valtava osuus Itämeren typpipäästöistä kiinnittää huomion. Miksi näin on? Puolalla on kuitenkin huomattavasti lyhyempi rantaviiva kuin vaikka Suomella tai Ruotsilla. Samoin mietityttävät Venäjän suurehkot päästöt suhteessa sen Itämeren väliseen rantaviivaan. Toisaalta rantaviivan pituudella on tuskin suurta merkitystä, kun nämä kaksi ovat kuitenkin isoja valtioita, joiden rooli meriliikenteessä on varmasti hyvin iso, ainakin Euroopan tasolla. Voisikohan suuriin typpipäästöihin myös vaikuttaa puutteet ympäristömääräyksissä esimerkiksi teollisuuden puolella? Teollisuudesta voi aiheutua valtavat ympäristöhaitat, kun teollisuusjätettä kaadetaan esimerkiksi mereen.
Kuva 1. Itämerta ympäröivien valtioiden aiheuttamat typpipäästöt Itämereen. Pohjakartan ja datan aineistot: HELCOM marine area.shp, Lakes.shp, Administrative boundaries.shp, Depth contours.shp ja Nitrogen Inputs.shp.
Ikääntyvä väestö
Kotitehtäväksi saimmekin sitten luoda omatoimisesti toisen koropleettikartan (Kuva 2.) luennolla opitun pohjalta. Karttaan käytin aineistona valmista Suomen kuntien tietokannasta saatua dataa. Kartan tekoa aloittaessa liikkeelle lähtö oli kieltämättä melko haastavaa. Pää löi hetken aikaa tyhjää, mutta pienen trial and error -session jälkeen onnistuin saamaan aikaiseksi jonkinlaisen lopputuloksen. Onnistuin kuin onnistuinkin muistamaan koropleettikartan laatimiseen vaadittavat työvaiheet katsomatta kirjallisia ohjeita. Samaa totesi Antti Pihlavisto blogissaan (2024). Tekemäni kartta kuvaa yli 64-vuotiaan väestön osuutta kuntien kokonaisväestöstä. Mielestäni kartasta tuli visuaalisuutensa ja luettavuutensa puolesta ihan kelvollinen. Värimaailman säätämisessä oli omat haasteensa. Valitsin väreiksi sinisen, sillä en halunnut tässä kartassa esiintyvää ilmiötä kuvata negatiivisena, kuten punaiset värit olisivat voineet ehkä antaa ymmärtää. Ehkä nuo sinisen eri sävyt eivät ole kaikkein helpoiten toisistaan erotettavissa, mutta ensi kerralla yritän onnistun paremmin. Lopputulos on kuitenkin selkeä ja legendakin miellyttää minua enemmän kuin luennolla tehdyssä kartassa.
Kartalta voi havaita, että ikääntyvä väestö painottuu etenkin Itä- ja Keski-Suomessa sijaitseviin kuntiin. Nuori ja työikäinen väestö muuttaa heikomman palvelu-, työ- ja opiskelutarjonnan omaavilta periferia-alueilta ydinalueille suurempiin keskuksiin, kuten pääkaupunkiseudulle, Ouluun tai Jyväskylään, jotka vahvasti edustavatkin kartalla pientä yli 64-vuotiaan väestön osuutta.
Kuva 2. Yli 64-vuotiaiden osuus väestöstä kunnittain. Pohjakartan ja datan aineisto: Kunnat2021.shp
Koropleettikartat ovat omia suosikkejani teemakarttojen joukosta, sillä yksinkertaisuudestaan huolimatta ne tarjoavat runsaasti tietoa ja ennen kaikkea selkeästi. Ne ovat myös visuaalisesti miellyttäviä. Oli mukavaa vihdoin päästä tekemään niitä myös itse.
Lähteet:
1. MAA202 – Geoinformatiikan menetelmät 1. Kurssikansio. HELCOM marine area.shp, Lakes.shp, Administrative boundaries.shp, Depth contours.shp ja Nitrogen Inputs.shp
2. Sinervo, U. (2024). Uskollinen GIS-blogi. Viikko 1 – QGIS tutuksi. Viitattu 19.1.2024. Saatavilla: https//blogs.helsinki.fi/usko/2024/01/19/viikko-1-qgis-tutuksi/
3. MAA202- Geoinformatiikan menetelmät 1. Kurssikansio. Kunnat2021.shp
4. Pihlavisto, A. (2024). Anttipih’s blog. Ensimmäinen kurssikerta. Viitattu 21.1.2024. Saatavilla: https://blogs.helsinki.fi/anttipih/2024/01/21/ensimmainen-kurssikerta/