1. Ensimmäinen askel GIS:n ihmeelliseen maailmaan

Ensimmäisellä kerralla Geoinformatiikan menetelmät -kurssilla päästiin aloittamaan QGIS- ohjelman käyttöä. Minulle ainakin ohjelma oli suhteellisen uusi, lukuunottamatta muutamaa kertaa Johdatus geoinformatiikkaan -kurssilla, jossa päästiin hieman harjoittelemaan ohjelman käyttöä.

Onneksi tällä kurssikerralla tehtävä tehtiin yhdessä askel kerrallaan, joten tällainenkin tyyppi, joka on hieman kömpelö tietokoneiden kanssa, pysyi hyvin vauhdissa mukana.

Tunnilla tehtiin koropleettikartta, joka kuvastaa typpipäästöjen määrää HELCOM-alueella valtioittain. Pienten yksityiskohtien viilaaminen oli mukavaa, kun oppi miten mikäkin värivalikko toimii.

Kuva 1: Koropleettikartta typpipäästöistä HELCOM-alueella

Mielestäni tämä kartta on aiempaan osaamiseeni nähden visuaalisesti ihan hyvä. Jos lähtisin parantelemaan tätä, muokkaisin HELCOM-merialueen väriä hieman haaleammaksi, koska nyt se mielestäni pomppaa hieman silmille. 

Kartasta voidaan tulkita, että tällä alueella suurin typpipäästöjen aiheuttaja on Puola. Myös Venäjä, Latvia ja Ruotsi aiheuttavat typpipäästöjä enemmän suhteessa muihin alueen valtioihin.

Eeva Raki kirjoitti blogissaan Oppimassa geoinformatiikkaa, että typpipäästöt ovat uhka Itämeren ekosysteemille. Typpipäästöt nopeuttavat Itämeren rehevöitymistä ja aiheuttavat happamoitumista. 

Airi Kulmalan mukaan (Maa- ja metsätaloustuottajain Keskusliiton julkaisu) Suomessa vuosina 2010-2019 ihmistoiminnan osuus typpi- ja fosforipäästöistä on karkeasti noin 50-75%.  Näistä typpipäästöistä maatalouden osuus oli keskimäärin 50%. 

Harjoitustehtävä

Itsenäisesti suoritettavassa tehtävässä päästiin harjoittelemaan QGIS:n perusteita vielä lisää. Tavoitteena oli luoda valmiista kuntien tietokannasta koropleettikartta valitsemasta muuttujasta.

Päädyin tekemään kartan väestöntiheydestä, koska se tuntui suhteellisen helpolta ymmärtää. En täysin luottanut vielä karttojen visualisoimisen taitoihini, joten päätin, että itse aineiston kannattaa olla sen verran tuttu, että tunnistan, jos teen suuren virheen.

Kuva 2: Väestöntiheys kunnittan

Luokittelutavaksi valitsin kvantiilit välit, jotta eroja kuntien välille saataisiin. Tein aluksi kartan luonnollisilla väleillä, mutta silloin lähestulkoon kaikki kunnat kuuluivat samaan kategoriaan, eikä eroja siten saatu visualisoitua.

Tein saman havainnon kuin Heta Suutari blogissaan Heta VS GIS. Hän oli tulkinnut, että väestö on keskittynyt eniten Etelä-Suomeen ja yliopistokaupunkien luokse. Kuopion ja Siilinjärven kohdalla väestöntiheyden voisi selittää Itä-Suomen yliopiston lisäksi Kuopion yliopistollinen sairaala. Moni haluaa asua lähellä yliopistollisia sairaaloita, koska niissä saa hoitoa lähes mihin vaan terveydelliseen ongelmaan ja sairauteen. On mielenkiintoista nähdä, miten uudet hyvinvointialueet vaikuttavat tulevaisuudessa väestöntiheyteen ja väkilukuun eri kunnissa.

Lopuksi

Näiden harjoitusten perusteella uskon, että jopa minulla on mahdollisuus oppia käyttämään QGIS-ohjelmaa.  Ohjeistus oli selkeää ja opiskelukavereilta sai hyvin vertaistukea. Kivaa nähdä, mitä kurssi tuo tullessaan.

Lähteet:

Kulmala A. (2021). Itämeren ravinnekuormitus. Viitattu 1.2.2022

Raki E. (2022). Oppimassa geoinformatiikkaa. 1. kurssikerta: Ensiaskeleet geoinformatiikan maailmaan. Viitattu 1.2.2022

Suutari H. (2022). Heta VS GIS. 1. viikko: tutustuminen. Viitattu 1.2.2022