Koropleettikarttoja QGIS-paikkatieto-ohjelmistossa
HELCOM-maiden typpipäästöt
Ensimmäisellä kurssikerralla teimme yhdessä QGIS-ohjelmalla HELCOM-maiden suhteellisia typpipäästöjä kuvaavat kartat (Kuva 1). Vaikka QGIS olikin jonkin verran tuttu aiemmalta kurssilta, erilaisten toimintojen kertaaminen rauhalliseen tahtiin tuli tarpeeseen. Joitakin tehtävän mielestäni tärkeimpiä ja myös minulle uusia asioita olivat (typpipäästöjen) suhteellisten osuuksien laskeminen, lisääminen attribuuttitaulukkoon ja lopuksi kartalla esittäminen. Tein tehtävän osittain uudestaan myöhemmin, ja toivon, että osaisin eri vaiheet vieläkin ainakin ohjeiden kertauksen avulla.
Kuva 1. HELCOM-maiden suhteelliset typpipäästöt maiden yhteenlasketuista typpipäästöistä.
Suomen kuntiin liittyvien muuttujien tarkastelu
Itsenäisesti tehtävässä harjoituksessa valitsin helpomman vaihtoehdon, koska vaikeamman yrittäminen jäi siihen, etten onnistunut luomaan .csv-tiedostoa (lisäys: tämä jäi vaivaamaan, joten yritin myöhemmin ja onnistuin :D). Vaikeustason 2 tehtävään olisi tainnut olla vaihtoehtoisiakin tapoja, mutta valitsin kuitenkin valmiin muuttujan ja tein alle 15-vuotiaiden osuutta kunkin kunnan väestöstä kuvaavan koropleettikartan (Kuva 2). Sen jälkeen kun tajusin, että muuttuja oli sellaisenaan käyttövalmiina tason attribuuttitaulukossa (ei tarvinnut laskea ja lisätä taulukkoon suhteellisia osuuksia, kuten 1. harjoituksessa), tehtävän tekeminen sujui oikeastaan ongelmitta.
Aineiston luokkajaon pohtimiseen (ja kartan väriskaalan säätämiseen) kului kylläkin paljon aikaa, mutta päädyin lopulta luonnollisiin väleihin, joita käytettiin myös 1. tehtävässä. Yritin vertailla eri luokkavälejä histogrammien ja syntyvien karttojen avulla. Tilastokeskuksen Tilastokoulun mukaan histogrammi on arvojen jakautumista havainnollistava graafinen esitys, jossa palkkien korkeus esittää kuhunkin luokkaan kuuluvien tapausten määrää. Jakauman huipun kerrotaan olevan kohta, johon sijoittuu eniten havaintoja ja joka on yleensä keskikohtaa lähellä, mikä pätee myös tehtäväni histogrammissa (Kuva 3, Luonnolliset välit).
Alle 15-vuotiaiden osuus kuntien väestöstä vuonna 2021.
Mielestäni eri sinisen sävyt erottuvat tarpeeksi hyvin toisistaan kartallani (Kuva 2), ja toivon, ettei valitsemani luokkajako anna todellisuudesta kovin vääristävää kuvaa sellaiselle, joka ei tunne aineistoa. Tehtävää tehdessä ainakin tuli selväksi se, miten karttaa tehdessä erilaiset valinnat vaikuttavat siihen, miten asia tai ilmiö näyttäytyy. Karttani perusteella näyttää siltä, että alle 15-vuotiaita on eniten Pohjanmaalla, suurten kaupunkien läheisyydessä sekä esimerkiksi Ahvenenmaalla. Vähiten heitä taas on etenkin Pohjoisessa ja Itä-Suomen kunnissa.
Tyyne Turunen pohtii ensimmäisen kurssikerran blogitekstissään (1. harjoituskerta 18.1.2023) erilaisia syitä kuntien välisille eroille. Esimerkiksi Pohjanmaalla lestadiolaisväestön määrän vuoksi perhekoot ovat suurempia. Hän tuo esille myös mielenkiintoisen Kontiolahden, jonka hän kertoo erottuvan Itä-Suomen ikääntyvien kuntien joukosta (Kontiolahti on hiukan L-kirjaimen muotoinen, kartassani kaikkein itäisin kunta, jossa %-osuus on 16,9-21,9). Myös Turunen on käyttänyt luonnollisia välejä, joten kartoissamme ei siltä osin ole eroja.
Olen kuitenkin löytänyt yhden alle 15-vuotiaiden osuutta väestöstä kuvaavan kartan, jossa on erilaiset välit. Aleksi Laurialan blogijulkaisussa (Geoinformatiikan menetelmät) olevassa kartassa on taidettu käyttää sellaista jakoa, että jokaisessa viidessä luokassa on yhtä monta havaintoa. Luonnollisiin väleihin verrattuna kartalla näkyy enemmän ainakin ylimpään ja alimpaan luokkaan kuuluvia kuntia. Eroja voi vertailla myös histogrammeja (Kuva 3) tarkastelemalla. En tiedä, kumpi tai mitkä olisivat parhaat välit, joten ainakin luokkarajoihin minun pitää vielä perehtyä.
Kuva 3. Ylempänä histogrammi kvantiileilla ja alempana luonnollisilla väleillä. Muuttujana alle 15-vuotiaiden osuus kuntien väestöstä.
lisäys
Tein tosiaan vielä toisen kartan käyttämällä muuttujana keski-ikää (Kuva 4). Tällä kertaa .csv-tiedoston luominen onnistui, mutta kun liitin tason Join-toiminnolla QGISissä, kaikista kunnista ei ensin tullut arvoa. Luulin, ettei hakemassani aineistossa ollut havaintoja kaikista kunnista, mutta virhe olikin minun, koska olin valinnut kohdetasosta väärän kuntien nimet sisältävän sarakkeen. Sen jälkeen kartan tekeminen sujuikin samoin kuin aiemmin, ja tämä vaikeustason 2 tehtävä oli toki paljon helpompi tehdä sen jälkeen, kun olimme käsitelleet tarvittavia toimintoja myöhemmällä kurssikerralla. Jenna Niemisen blogikirjoitusta (Viikko 1) lukiessani oli kiva huomata, että hänkin onnistui myöhemmin tekemään kartan myös itse löytämäänsä muuttujaa käyttämällä.
Kartasta (Kuva 4) voi nähdä, että keski-ikä on matalin (alle 40 vuotta) suurien kaupunkien ympärillä ja esimerkiksi juuri Pohjanmaalla, jossa alle 15-vuotaita on paljon. Vastaavasti esimerkiksi monissa Itä-Suomen kunnissa, joissa alle 15-vuotaiden osuus on alhainen, keski-ikä on korkea (51,6-56,6 vuotta). Vertailua helpottaakseni lisäsin alle 15-vuotaiden osuutta kuvaavan kartan myös keski-ikää esittävän kartan viereen.
Kuva 4. Vasemmalla kuntien väestön keski-ikä vuonna 2021. Oikealla alle 15-vuotaiden osuus kuntien väestöstä vuonna 2021. Tilastokeskus.
Lähteet
Lauriala, A. (16.1.2023). Geoinformatiikan menetelmät [blogikirjoitus]. Aleksi bloggaa. https://blogs.helsinki.fi/laleksi/2023/01/16/hello-world/
Nieminen, J. (23.1.2023). Viikko 1 [blogikirjoitus]. Jennan blogi, Geoinformatiikan menetelmät 1 -kurssi. https://blogs.helsinki.fi/nieminje/2023/01/23/viikko-1/
Tilastokeskus. Tilastojen ABC, 4.2 Jakauma. Tilastokoulu. Haettu 26.1.2023 osoitteesta https://tilastokoulu.stat.fi/verkkokoulu_v2.xql?course_id=tkoulu_tlkt&lesson_id=4&subject_id=2&page_type=sisalto
Tilastokeskus (2021). Tunnuslukuja väestöstä alueittain, 1990-2021. StatFin. https://statfin.stat.fi/PxWeb/pxweb/fi/StatFin/StatFin__vaerak/statfin_vaerak_pxt_11ra.px/
Turunen, T. (20.1.2023). 1. harjoituskerta 18.1.2023 [blogikirjoitus]. Ttyyne’s blog. https://blogs.helsinki.fi/ttyyne/2023/01/20/1-harjoituskerta-18-1-2023/