Ensimmäinen kurssikerta

Paikkatiedon sydämessä ja paikkatieto sydämessä

Kurssin ensimmäisellä luennolla ja työkerralla perehdyttiin QGIS:sin käyttöön, josta olikin jo vierähtänyt pieni hetki. Kurssikerta aloitettiin paikkatietoon ja sen aineistoihin perehdyttävällä esityksellä, jonka jälkeen jatkettiin itse ohjelman parissa. Myös kurssin rakenne ja suoritustapa tuli selväksi, vaikkakin saavuin luennolle myöhässä. Kurssikerralla korostui etenkin hyvät ohjeet, jotka ovat avainasemassa metodikurssilla. Mielestäni tämä kurssi (MAA-202) on hyvää jatkoa viime periodin Tiedon esittäminen maantieteessä -kurssille, vaikkei aiheet olekkaan samoja. Powerpointin jälkeen aloitettiinkin ensimmäisen harjoituksen tekeminen.

Harjoitus 1: Itämeren valtioiden typpipäästöt

Ensimmäisen harjoituksen aiheena oli erilaisten paikkatietoaineistojen käyttö ja visualisointi QGIS-paikkatietoohjelman avulla. Kurssikerralla opin QGIS:sin käyttöön liittyviä seikkoja, kuten erimuotoisten tiedostojen käsittelyä, kartan laatimista ja datan esittämistä koropleettikartan muodossa, joista koin viimeisen tärkeimmäksi. Ohjelman käyttöä tukivat aikasemmat tiedot sekä taidot, ja siksi harjoitus olikin miellyttävä, eikä niinkään hermoja rasittava.

Kuva 1. Hyödyllinen ikkuna QGIS:sissä, sekä symbology-ikkuna, joka on avainasemassa koropleettikartan luomisessa.

Ensimmäisen harjoituksen ja kartan aiheena oli Itämeren valtioiden typen päästöt Itämereen. Alla lopullinen kartta:

Kuva 2. Itämeren valtioiden osuus typen kokonaispäästöistä, %.

Olen tyytyväinen kartan lopputulokseen, joskin Itämeren syvyyskäyrät (siniset käyrät) ovat jossain määrin ylikorostettuja, jota myös Pietu Nuortimo pitää ulkoasua haittaavana tekijänä omassa blogissaan (2024). Järvien kannalta oli taas tärkeää, ettei niissä ole aluerajoja, jotka tekisivät niistä epämääräistä mössöä. Pohjimmiltaan tärkein asia kartan kannalta oli kuitenkin oikeiden ja sopivien luokkarajojen muodostaminen. Jälkeenpäin ajateltuna muokkaisin viimeistä luokkaa (15-33,7), sillä sen koko on kolminkertainen verrattuna muihin ja siten se saattaa tuottaa lukijalle hämmennystä. Luokkaan kuuluvia alueita on kuitenkin kartassa vain yksi (Puola), niin sekaannusta ei sinänsä tapahdu, mutta esim. Suomen kuntia kuvaavassa kartassa asian laita voisi olla toisenlainen.

Kartta välittää sen lukijalle halutun tiedon, eli Itämeren valtioiden typpipäästöt. Mitä tummempi punainen, sitä suuremmat päästöt. Kartalta huomataankin, että valtioista Puolalla on suurimmat typen päästöt ja vastaavasti Virolla pienimmät. Punainen väriskaala kuvastaa hyvin kyseistä muuttujaa, koska rehevöittävä typpi on huono asia Itämeren kannalta. Toisaalta tarkkoja arvoja kartta ei kerro, joka olisi myös lisättävä asia. Kartasta voidaan päätellä muun muassa väestön määrän, rantaviivan pituuden ja yleisen ympäristön suojelun tason vaikutuksen typen päästöihin.

Harjoitus 2: Eläkeläisten ja korkeakoulutettujen osuus

Toisen harjoituksen tavoitteena oli testata aikaisemmassa harjoituksessa opittuja taitoja ja muodostaa kartta/karttoja, eli visualisoida haluttuja muuttujia. Valitsin vaikeustasoksi 2, sillä kaipasin hieman haastetta maanantaiaamupäivään.

Valitsin harjoituksen ohjeiden mukaisesti muuttujiksi Tilastokeskuksen Kuntien avainluvut -palvelusta löytyvät ”Eläkeläisten osuus väestöstä, %” ja ”Korkea-asteen tutkinnon suorittaineita, osuus 15 vuotta täyttäneistä, %”, joiden tiedot ovat vuodelta 2021. Kuntapohjan latasin Tilastokeskuksen GeoServer-sivustolta (2024), jossa valitsin aineistoksi ”Kunnat 2024 (1:4 500 000)” .shp-tiedostomuodossa.

Kuva 3. GeoServer-sivuston tietopolku, josta em. aineisto löytyy.

Latasin Tilastokeskuksen taulukot .xlsx-tiedostoina, jonka jälkeen muokkasin ne sopiviksi Excelissä ja latasin ne lopulta Excelistä koneelle .csv-tiedostoina. Tämän jälkeen lisäsin ne tekstimuotoisina tasoina QGIS:siin ja muokkasin niiden ominaisuuksia, kuten tekstin koodausta UTF-8-muodosta ISO_8859-1-muotoon, jotta ääkköset tulivat näkyviin. Tämän jälkeen tasot liitettiin yhteen Join-toiminnolla, jonka jälkeen koropleettikartan muodostaminen onnistui uuden attribuuttitaulukon pohjalta.

Tärkeintä oli varmistaa, että ladatussa .csv-tiedostossa ei ollut epäkohtia datan kanssa (ja että se oli oikeassa muodossa), kuten ylimääräistä tekstiä joka olisi tuonut ongelmia QGIS:sissä. Eniten ongelmia tuottikin .csv-tiedostojen tuonti ohjelmaan. Loput karttojen tekovaiheista olivat verrattain helpompia ja rutiininomaisia, kuten legendan luonti ja värimaailman miettiminen. Alla valmiit kartat:

 

Kuva 4. Eläkeläisten osuus kunnan väestöstä 2021, %.

 

Kuva 5. Korkeakoulutettujen osuus kunnan 15 vuotta täyttäneistä 2021, %.

Eläkeläisten osuutta kuvaavasta kartasta (Kuva 4) huomataan eläkeläisten osuuden kasvaessa, kun liikutaan kohti itää ja koillista. Juurikin Koillismaan ja Pohjois-Karjalan väestörakenne onkin hyvin vanhaa, johon vaikuttavat monet tekijät. Kuitenkin monien suurien kaupunkien alueella osuudet ovat pieniä, joista esimerkkinä Oulu, Joensuu, Helsinki ja Tampere. Tätä selittää myös moni intuitiivinen tekijä, kuten maahanmuutto ja opiskelu.

Korkeakoulutettujen osuutta kuvaavasta kartasta (Kuva 5) huomataan päinvastainen ilmiö verrattuna kuvan 4 osoittamaan karttaan: kun liikutaan kohti länttä ja etelää, niin korkeakoulutettujen osuus kasvaa. Lisäksi korkeakoulutettujen ja eläkeläisten määrässä huomataan korrelaatiota. Esimerkiksi Kuopion alueella eläkeläisten osuus on pienehkö, mutta korkeakoulutettujen osuus suurehko. Sama pätee niin Joensuun kuin Helsingin, sekä Tampereen että Jyväskylän alueella. Korkeakoulutetut sijoittuvat siis pääosin suurien kaupunkien alueille, jos haluaa tehdä yleistyksen.

Valmiiden karttojen visualista lopputulosta on hauska tarkastella, ja löytää erilaisia yhtymäkohtia ja eroavaisuuksia niin omien kuin muiden karttojen väliltä. Siinä missä omat kartat olivat vastakohtaisia, niin esimerkiksi Gaius Erikssonin blogissa (2024) olevissa kartoissa koostuivat samat alueet.

Harjoituksessa 2 korostui etenkin oma motivaatio, sekä kyky etsiä tietoa internetin syvyyksistä, jos ja kun omat taidot eivät riittäneet ongelmanratkaisuun. Myös kaverit osasivat neuvoa ja yhdessä tekeminen auttoi jaksamaan. Harjoituksen teemana omalta osaltani oli yritys ja erehdys, joka opetti enemmän kuin osasin odottaa. Mielestäni kartat ovat onnistuneita molempien harjoitusten osalta.

Lähteet:

Eriksson, G. (2024). Gaiuksen kurssiblogi. MAA202 aloituskerta. Viitattu 22.1.2024. Gaiuksen kurssiblogi (helsinki.fi)

GeoStat. GeoServer. (2024). Kunnat 2024 (1:4 500 000). Viitattu 22.1.2024. GeoServer: Layer Preview (stat.fi)

Nuortimo, P. (2024). Pietun blogi. Ensimmäinen kurssikerta. Viitattu 22.1.2024. Ensimmäinen kurssikerta – Pietun GIS-seikkailu (helsinki.fi)

Tilastokeskus. (2024). Kuntien avainluvut (stat.fi). Viitattu 22.1.2024. Kuntien avainluvut muuttujina Alue 2023 ja Tiedot. PxWeb (stat.fi)