Tervehdys vain kaikille!
Tämä on minun Geoinformatiikan menetelmät -kurssin ensimmäinen Blogikirjoitus. Mukava päästä aloittamaan!
Ensimmäisellä tunnilla harjoittelimme taulukkopohjaisen aineiston visualisointia koropleettikartalla QGIS-paikkatieto-ohjelmassa. Sain tunnin aikana tehdyksi opetuksen mukana kartan HELCOM valtioiden typpipäästöjen osuuksista. Kuitenkin nyt palattuani tekemään kotiin jäänyttä osuutta ensimmäiseltä kurssikerralta, koin tarpeelliseksi oman oppimiseni vuoksi palautella mieleen, miten tuon tunnilla tehdyn kartan teimme. Päätin siis tehdä ohjeiden kanssa kyseisen kartan uudestaan muistin virkistämiseksi. Lopputulos nähdään alla kuvassa 1.
Kuva 1. Typen päästöt prosentuaalisina osuuksina HELCOM valtioissa (Suomi, Ruotsi, Venäjä, Viro, Latvia, Liettua, Puola, Saksa ja Tanska).
Mielestäni tunnilla käytetyt punaisen skaalan värit sopivat hyvin kuvastamaan ilmiötä kartalla, mutta halusin vähän leikitellä väreillä itse ja päädyin ruskeisiin värisävyihin. Olen tyytyväinen lopputulokseen, tosin pientä huolimattomuusvirhettä lukuun ottamatta legendan syvyyskäyrän symbolin väärin asettelussa. Tärkeintä on, että ilmiö havainnollistuu hyvin ja tieto on kartalla oikeaa. Luin myös Nikolain blogista: 1. kurssikerta, että järvet ja Itämeren syvyyskäyrät eivät olisikaan välttämättä tarpeellisia kartalla. Olen asian kanssa samaa mieltä, ellei rannikon syvyydellä ja typpipäästöjen määrällä olisi jotain yhteyttä, kuten Nikolai pohtii blogissaan.
Kuvan 1 kartasta voimme päätellä, että Virolla on kaikkein pienimmät typpipäästöt ja Puolalla suurimmat mukana olleista valtioista. Minun on vaikea itse keksiä syytä, miksi näin on, joten tässä kohtaa on aika tarkastella muiden kanssakurssilaisten päätelmiä asiasta. Miia Vuolle kurssiblogissaan: Kurssikerta 1 -Palaaminen QGIS:in pariin, arvioi Puolan olevan suurin typenpäästöjen lähde HELCOM valtioista, koska maatalous on Itämeren typpipäästöjen lähteistä kaikkein merkittävin ja juuri Puolassa on kaikkein eniten viljelymaata Itämeren valuma-alueista.
En halua antaa virheellistä vaikutelmaa, että olisin selvinnyt näistä tämän kurssikerran karttaharjoituksista ilman kaikkien suosimia ”harmaita hiuksia”. Nimittäin jäin useasti jumittamaan jonkin pulman äärelle, enkä löytänyt apua laadituista ohjeista taikka ratkaisua eksymällä QGIS:n syvyyksiin. Vietin tarpeettoman kauan aikaa loputtomaan etsimiseen, mutta onneksi aina välillä sain pelastavaa apua kurssitovereiltani. Kaikkein ärsyttävintä oli se tosiasia, että monesti ongelman juju ja juuri oli vain yhden pienen ”täpän” klikkauksen päässä.
Kotona toteutettava osuus kurssikerralta 1
Tarkoituksena on laatia koropleettikartta hyödyntämällä Suomen kuntien tietokantaa vuodelta 2015. Päädyin toteuttamaan ensimmäisen vaikeustason tehtävän, koska se on luonnollisesti sopiva näin aloittelijalle. Jos aikaa olisi mielin määrin, haastaisin itseäni muiden vaikeustasojen tehtävillä. Valitsin Suomen kuntien kartta-aineistosta valmiin muuttujan Ruotsinkielisten osuudesta Suomen kunnissa. Lopputulos nähdään kuvassa 2.
Kuva 2. Ruotsinkielisten prosentuaalinen osuus väestöstä Suomessa kunnittain, 2015.
Kuvan 2 kartassa nähdään, että ruotsinkieliset pakkautuvat pääosin Suomen rannikkoalueille. Tässä tarkastellessani ilmiötä huomaan, että on vaikea nimetä kuntia, missä ilmiötä esiintyy esimerkiksi voimakkaammin. Osaan sanoa, että Ahvenanmaalla ja luoteisrannikolla näyttää olevan kaikkein suurin ruotsinkielisten osuus Suomen kunnissa, mutta yksittäisten kuntien nimeäminen ei onnistu minulta luonteisesti. Kartta sopii siis havainnollistamaan näin suurpiirteisesti, missä päin Suomea ruotsinkielisten osuus on suurempaa ja pienempää sekä antaa kuntakohtaista tietoa sitä tarvitsevalle.
Nopea ensivaikutelma kuvan 2 kartasta antaa käsityksen, että ilmiötä ei esiintyisi valtaosassa suomea, missä väri on valkoinen. Vasta legenda selventää, että ilmiötä esiintyy näissä 0–12%. Siksi minunkin olisi kannattanut valita jokin muu väri alimmalle luokalle, kuten Elin kurssiblogissaan: Vecka 1 – Introduktion och arbete med QGIS, tai eri luokkajako, kuten Iina kurssibloginsa: Ensimmäinen harkka 18.1, kuvassa 2.
Aluksi en ymmärtänyt yhtään, mistä pitäisi lähteä kuvan 2 kartan kanssa liikkeelle. En ymmärtänyt kuinka yksinkertaista kyseisen kartan laatiminen loppujen lopuksi olisikaan. Näin jälkeenpäin tuntuu, että olen oppinut ensimmäisten harjoitusten myötä, kuinka attribuuttitaulukossa nähdään se aineisto, jota kartalla voidaan visualisoida. Myös kuinka visualisointi tehdään ja miten lopputulosta voi muokata mieleiseksi. Niinpä pieni osa QGIS:n perusteita on tullut tutuksi ja tästä on hyvä jatkaa.
Kiitos ajastasi!
Lähteet:
Miia Vuolle (2023) Blogi kurssilta Geoinformatiikan menetelmät 1: Kurssikerta 1 – Palaaminen QGIS:in pariin. https://blogs.helsinki.fi/mevuolle/2023/01/24/hello-world/ Viitattu 7.2.2023
Nikolain Blogi (2023) 1. kurssikerta. https://blogs.helsinki.fi/nikolait/ Viitattu 7.2.2023
Elins kursblogg (2023) Geoinformatiikan menetelmät (MAA-202): Vecka 1 -introduktion och arbete med QGIS. https://blogs.helsinki.fi/stel/ Viitattu 7.2.2023
Iinakiik’s blog (2023) Ensimmäinen harkka 18.1. https://blogs.helsinki.fi/iinakiik/ Viitattu 7.2.2023