Viimeisellä kurssikerralla valittiin oma aineisto, jonka pohjalta tehtiin jokin vapaavalintainen työ. Itse valitsin aineistoksi Kiinan maakunnat, kaupungit ja dataa korona-viruksen leviämisestä.
Maakunnat löytyivät helposti googlaamalla, ja niiden kanssa ei ollut ongelmia. Kiinassa on monimutkainen aluehallinto, ja 22 provinssin lisäksi Kiina koostuu neljästä itsehallinnollisesta kunnasta, viidestä autonomisesta alueesta ja kaksi erityishallintoaluetta. Maakuntien tietokannoissa oli vain maakuntien nimet sekä rajat, joten niistä ei vektorigeometrian lisäksi niillä ei ollut muuta käyttöä.
Sitten löysin CSV- taulukot COVID-19 virukseen kuolleista, tarttuneista ja parantuneista. Taulukoista löytyy tiedot päivämäärän mukaan, joten minun oli mahdollista tehdä kolmen kartan aikajana.
Lisäksi halusin esittää väestön jakautumista Kiinassa, joten yritin etsiä valmista taulukkoa populaatiosta maakuntien mukaan. Valitettavasti en kuitenkaan löytänyt sellaista nopealla googlauksella, joten otin aineiston kaupungeista. Kaupunkiaineistossa oli tieto kaupunkien väkiluvuista, joten yhdistin sen Join attributes by location-toiminnolla maakunta-aineistoihin.
Vaikka maakuntien kokonaisväestön esittäminen olisi loogista, myös kaupugeissa asuvien väkiluvun esittäminen sopii teemaan, koska virus leviää helpoiten kaupungeissa, ja Kiinan asettamat karanteenit virukselle altistuineisiin kaupunkeihin ovat olleet paljon mediassa. Kartalta näkee, kuinka tauti leviää erityisesti maakuntiin, joissa on suuria kaupunkeja. Kaupunkiaineistossa ei ollut Hong Kongia, joka on erityishallinnollinen 7 miljoonan asukkaan kaupunki itärannikolla.
Laitoin QGissin laskemaan kaupunkien yhteenlasketun populaation maakunnittain. Sen jälkeen yhdistin maakunta-aineistoon koronatapaukset. Aluksi ajattelin tehdä tavallisen ympyrädiagrammin tarttuneista, kuolleista ja parantuneista, mutta huomasin että tekstidiagrammi on paljon informatiivisempi. Kartassa kaikkein enitein sairastunein maakunta on korostettuna.
Ensimmäinen kartta kuvaa tilannetta 23.1.2020. Tarttuneita on maailmassa yhteensä vähän yli 500, mutta Kiinan hallitus päätti taudin leviämisen ehkäisyksi rajoittaa 11 miljoonan ihmisen liikkumista historian suurimmassa karanteenissa. Tauti ei ole perusterveille ihmisille erityisen vaarallinen, mutta se tarttuu helposti. Kouluja, elokuvateattereita ja yliopistoja suljettiin, ja kadut tyhjenivät.
Toinen kartta kuvaa tilannetta hieman myöhemmin. Kuolleita on tässäkin vaiheessa suhteellisen vähän, mutta tartuntojen määrä on kasvanut todella nopeasti lyhyessä ajassa. Tauti ei ole juurikaan levinnyt Hubein maakunnasta.
Viimeinen kartta kuvaa tilannetta 23.2. Tässä vaiheessa Kiinan talous on todella huonossa jamassa, ja tautiin on kuollut tuhansia ihmisiä. Kiinan terveydenhuolto on ylikuormittunut monilla alueilla, ja väliaikaisia sairaaloita on rakennettu. Taudin leviämistä ei ole onnistuttu rajoittamaan Hubein maakuntaan, vaan monissa muissakin maakunnissa on paljon tartuntoja. Tärkeää on huomata, että tartuntoja on paljon varsinkin maakunnissa, joissa asuu paljon ihmisiä kaupungeissa.
Kun tein tämän työn, tilanne Euroopassa ja Suomessa oli varsin erilainen kuin tätä blogia kirjoittaessani. Italiassa epidemia oli silloin vasta lähtenyt karkaamaan käsistä, ja Suomessa tartuntoja oli myös vain kourallinen. Tätä blogia kirjoittaessani Suomessa on yli 600 tartuntaa, joten tilannetta voisi verrata esimerkiksi Hubein tilaan 23.1.2020. Erona on tietysti se, että Hubein maakunnassa asuu lähes 10 kertaa enemmän ihmisiä kuin Suomessa.
Mediassa virusta käsittelevissä uutisissa on usein vain yksinkertainen koropleettikartta, jossa on vain maittain eriteltynä viruksen leviäminen. Sen takia oli mielenkiintoista tehdä informatiivisempi kartta, jossa on useampia muuttujia. Valitettavasti tarkempaa dataa ei ollut avoimesti saatavilla, muuten olisin tehnyt vielä yksityiskohtaisemman kartan.
Covid-19 on tällä hetkellä maailman ajankohtaisin ja tärkein puheenaihe. Geoinformatiikan menetelmillä on suuri potentiaali viruksen leviämisen tutkimisessa. Esimerkiksi Etelä-Koreassa mobiililaitteiden paikkannusdataa on hyödynnetty runsaasti viruksen leviämisen estämiseen. Kun joskus tulevaisuudessa virus on mennyt ohi, olisi äärimmäisen mielenkiintoista päästä tekemään paikkatietoanalyyseja siitä datasta, jota viruksen aikaan on kerätty.
Datan keräämisellä on myös käänteinen puoli. Edward Snowden on varoittanut, että pandemian jälkeen valtiot voivat jatkaa datan keräämistä, joka heikentää ihmisten oikeutta yksityisyyteen. Pelkona on, että valtioista tulee valvontayhteiskuntia jotka keräävät valtavan määrän dataa kansalaisistaan, ja pyrkivät kontrolloimaan ihmisiä entistä enemmän.
Viruksen levitessä terveysmaantiede ja epidemologia on alkanut kiinnostaa minua yhä enemmän. Uskon geoinformatiikalla olevan valtavasti sovelluksia yhteiskunnallisissa kysymyksissä. Tämä viimeinen kurssikerta oli ylivoimaisesti mielenkiintoisin, koska työ tehtiin itsenäisesti.
Lähteet:
Helsingin Sanomat
John Hopkins University
Diva-gis.org