QGIS-ohjelmistoon tutustuminen

Ensimmäisellä kurssikerralla tutustuimme QGIS-ohjelmistoon. Olin käyttänyt QGIS-ohjelmistoa aiemmin jollakin toisella kurssilla, mutta olin jo ehtinyt unohtaa, miten sitä käytetään. Tällä kurssikerralla minulla oli kuitenkin tilaisuus opetella ohjelmiston käyttöä uudelleen.

 

Itämeren typpikuormitus

QGIS-ohjelmiston perustoiminnot käytiin läpi laatimalla koropleettikartta Itämereen kohdistuvista typpipäästöistä (kuva 1). Tämä oli mielestäni toimiva tapa perehtyä ohjelmiston eri toimintoihin. Kun kuuntelemisen ja katsomisen lisäksi pääsen itse tekemään asioita, minulle jää paremmin mieleen, miten jokin asia tehdään. Erityisesti minulle jäi mieleen, kun kävimme läpi keinoja, joilla kartasta saa paremmin luettavan. Esimerkiksi saariston sai erottumaan selkeämmin, kun mantereiden ääriviivat muutettiin mustasta siniseksi. Vastaavasti muuttamalla myös vesistöjen ääriviivat siniseksi kartasta on helpompi tulkita, että Suomessa olevat lukuisat pienet alueet ovat vesistöjä. Tällaisten pienten kikkailujen tuloksena ensimmäisestä tällä kurssilla laatimastani kartasta tuli mielestäni melko onnistunut. Huomasin tosin kurssikerran jälkeen, että legendaa olisi voinut vielä parantaa: siinä ei ole kerrottu, että punaisen värit sävyt kuvaavat prosenttiosuuksia. Korjasin tämän epäkohdan kirjaamalla tiedon karttakuvan kuvatekstiin.

 

Kuva 1. Itämereen kohdistuvat typpipäästöt alueittain (%).

 

Kuvan 1 kartalta voidaan nähdä, kuinka paljon minkäkin Itämeren rannikolla sijaitsevan valtion alueelta valuu typpipäästöjä Itämereen. Karttaan on valittu päästöluokat siten, että niitä on neljä kappaletta: 0–0,4 %, 0,4–8,1 %, 8,1–13,3 % ja 13,3–33,7 %. Kukin päästöluokka on kuvattu punaisen eri sävyillä: mitä tummempi väri, sitä enemmän päästöjä, ja mitä vaaleampi väri, sitä vähemmän päästöjä valuu kyseisen valtion alueelta. Lisäksi osa valtioista on väritetty harmaalla, mikä tarkoittaa, että kyseisen valtion alueelta ei suoraan pääse päästöjä Itämereen, sillä kyseiset valtiot eivät sijaitse Itämeren rannikkoalueilla. Toisaalta tällaisista valtioista saattaa valua typpipäästöjä rannikkovaltion kautta Itämereen, esimerkiksi valtioiden rajat ylittäviä jokia pitkin. Itämeren valuma-alueeseen kuuluu rantavaltioiden lisäksi peräti viisi valtiota: Tsekin tasavalta, Slovania, Ukraina, Valko-Venäjä ja Norja (Suomen ympäristökeskus, 2013). Onkin hyvä tiedostaa, että tämä voi vääristää joidenkin rannikkovaltioiden typpipäästöarvoja.

Kuvan 1 avulla saadaan karkea kuva siitä, miten paljon kunkin valtion alueelta typpipäästöjä Itämereen pääsee suhteessa muiden valtioiden typpipäästöihin. Koropleettikartasta ei kuitenkaan saada selville absoluuttisia lukuarvoja typpipäästöistä, vaikka luokittelun avulla voidaankin päätellä pienin ja suurin arvo. Toisaalta valtiot ovat keskenään eri kokoisia, jolloin on helpompi tulkita karttaa, kun siinä on esitetty prosenttiosuudet. Näin kartan lukijalle jää tehtäväksi enää vain suhteuttaa prosenttiosuus valtion kokoon ja asukaslukuun.

Esimerkiksi Puola näkyy kartalla kaikista tummimpana. Puolasta siis valuu Itämereen enemmän päästöjä kuin muista maista, vaikka pinta-alaltaan se on hieman Suomea pienempi ja vain noin kolmannes Ruotsin pinta-alasta. Toisaalta tulee kuitenkin huomioida se, että Puolassa on yli kolminkertainen asukaslukumäärä Ruotsiin verrattuna. Karttaa lukiessa tulee siis pohtia myös syitä siihen, miksi päästöosuudet ovat erilaisia eri maissa. Voidaan pohtia muun muassa, kuinka paljon asukkaita on, mihin asutus on keskittynyt ja mitä elinkeinoja kyseisen valtion alueilla harjoitetaan. Ei voida suoraan olettaa, että jossakin maassa päästöjä ei edes yritetä pitää kurissa, sillä kunkin valtion alueella on eri lähtötilanteet.

 

Suomen väestö kunnittain

Varsinaisen kurssikerran jälkeen jatkoin QGIS-ohjelmistoon tutustumista vielä toisen tehtävän avulla. Latasin ohjelmistoon kurssikansiosta Suomen kunnat -aineiston ja tarkastelin muutamia kuntien asukkaisiin liittyviä muuttujia. Lopuksi päädyin visualisoimaan Suomen kuntien asukaslukuja kartalle (kuva 2). Päätin esittää asukasluvut viidessä eri luokassa, jotta kartta olisi mahdollisimman informatiivinen mutta toisaalta kuitenkin vielä helposti luettava. En valinnut tasaista luokkajakoa, koska halusin, että kartalta voisi erottaa myös asukasmäärältään hyvin pienet ja erityisen isot kunnat.

 

Kuva 2. Suomen kuntien asukasluvut vuonna 2021.

 

Kartan (kuva 2) avulla saadaan hyvä yleiskäsitys siitä, miten asutus Suomen eri osiin keskittyy. Esimerkiksi yliopistokaupunkeja erottuu kartalla tummempana ja Lapissa alueet ovat hyvinkin vaaleita. Mielestäni karttaa on helppo tulkita: värien merkitys on kerrottu, mittakaava sekä pohjoisnuoli ovat kohdillaan ja otsikko on informatiivinen. Kartalta ei kuitenkaan suoraan pysty lukemaan sitä, kuinka suuri osa Suomen väestöstä kyseisellä alueella asuu. Tämä onkin karttani niin sanottu heikko kohta: se saattaa saada kritiikkiä siitä, että luvut on esitetty absoluuttisina lukuarvoina.

Absoluuttisten arvojen esittäminen oli minulta alun perin vahinko. Kurssikerrasta oli karttaa tehdessäni ehtinyt vierähtää jo viikko, joten unohdin laskea muuttujalle suhteelliset arvot, vaikka asiaa painotettiinkin kurssikerralla. Myös Aida Palmgren kirjoittaa blogissaan (Palmgren, 2023), että absoluuttisia arvoja ei tule käyttää, jotta lukijaa ei johdateta harhaan. Ajattelinkin ensin, että tekisin uuden kartan, jossa olisi suhteelliset arvot. Pohdittuani asiaa päädyin kuitenkin siihen, että tässä tapauksessa absoluuttiset arvot eivät mielestäni anna lukijalle väärää käsitystä, minkä takia päädyin jättämään kartan alkuperäiseen muotoonsa ja pohtimaan hieman enemmän sitä, mitä eroa on esitellä muuttuja absoluuttisten tai suhteellisten lukujen avulla.

Yleensä luvut havainnollistetaan kartalla prosenttiosuuksina, mutta mielestäni tässä toimii nyt siis myös absoluuttiset lukuarvot. Jos kyseessä olisi esimerkiksi tietyn ikäryhmän osuus koko kunnan väestöstä, olisi ilman muuta mielekästä ilmaista suhteelliset osuudet. Koska laatimassani kartassa (kuva 2) kuitenkin esitetään koko kunnan väkimäärää, suhteellisena lukuna tämä tarvitsisi ilmaista siten, kuinka monta prosenttia koko Suomen asukkaista asuu kyseisen kunnan alueella.

Myös Helinä Teittinen pohtii blogissaan (Teittinen, 2023) absoluuttisten ja suhteellisten lukujen eroja kartalla. Onko aina väärin esittää lukuja kartalla absoluuttisina arvoina? Prosenttiosuuksillakaan ei kuitenkaan oteta vielä huomioon eri alueiden pinta-aloja, vaan asutustiheyksistä tulisi laatia erillinen kartta, mikäli haluaa tutkia sitä. Tämän kartan avulla saadaan paremmin käsitys asukasmääristä, kun taas prosenttiosuudet kertoisivat pelkästään siitä, miten asutus on jakautunut eri alueille. Sen verran kartasta voidaan tulkita myös asutustiheyttä, että pienen alueen ollessa tumma, alueella on keskivertaista tiheämpi asutus. Toisaalta laajoilla ja vaaleilla alueilla asutustiheys on poikkeavan alhainen.

 

Lähteet:

Teittinen, Helinä (2023). Kurssikerta 16.1.2023. Kirjoitus Helinän blogi –blogissa. (Viitattu 27.1.2023) https://blogs.helsinki.fi/helinate/

Palmgren, Aida (2023). Ensimmäinen kurssikerta. Kirjoitus Olen QGIS-tietoinen –blogissa. (Viitattu 6.2.2023) https://blogs.helsinki.fi/aidapalgeo/

Suomen ympäristökeskus SYKE (2013). Itämeri – Ympäristö ja ekologia (tietopaketti). (Viitattu 23.1.2023) https://www.syke.fi/download/noname/%7BC0E3E83E-6BEB-489E-939E-06C4B82E1501%7D/97989

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *