Ensimmäisellä kurssikerralla kävimme läpi kurssin sisältöä sekä yksinkertaisia ja osittain aiemmilta kursseilta tuttuja paikkatiedon peruskäsitteitä. Olin innostunut kuullessani, että kurssilla käytetään oikeaa paikkatieto-ohjelmaa QGIS:iä. Aiemmissa gis-harjoituksissa olimme käyttäneet Paikkatietoikkunaa ja Paikkaoppi-palvelua sekä Corel Draw –kuvankäsittelyohjelmaa. Näistä kahdesta ensimmäisestä tuli mieleen enemmänkin lukiotason harjoitukset, mutten kuitenkaan koe niiden olleen täysin turhia. Innostustani seurasi lähes välittömästi pieni paniikki, kun kuulin kurssin tehtävien suoritusmuodoksi julkisen blogin, joka olisi kaikkien muiden nähtävillä. Tämä on ehdottomasti mukavuusalueeni ulkopuolella ja työskentelisin mieluummin pienryhmissä tai itsenäisesti. Tästä huolimatta otan tehtävän vastaan mielenkiintoisena haasteena.
Ensimmäisessä varsinaisessa karttaharjoituksessa tuotimme esityksen Itämeren valtioiden typpipäästöjen osuuksista ja teimme tämän siis QGIS-ohjelma käyttäen. Ohjelma vaikutti aluksi hyvin monimutkaiselta, sillä eri puolella olevien paneelien sekä kuvakkeiden joukosta ei oikein meinannut ottaa selkoa. Huomasin välittömästi oman uteliaisuuteni suorastaan sabotoivan oppimistani, koska halusin vain painella eri nappuloita koko neljätuntisen kurssikerran ajan, mikä aiheutti sen, etten keskittynyt opetukseen ollenkaan. Tämän takia jäin muutaman kerran jälkeen, mutta onneksi en ollut ainoa ja muiden kysyttyä apua löysin jokaisella kerralla ratkaisun ongelmaani, toisinaan hieman kuunnellen muiden haasteita ja niiden selvittämistä.
Kuva 1: Itämeren alueen valtioiden typpipäästöt
Kuvan 1 kartalta voidaan heti huomata, että Puolan typpipäästöt ovat suurin Itämeren alueen suurimmat. Tämän jälkeen tulevat Venäjä, Ruotsi ja Latvia. Mielikuvani oli samanlainen kuin Sami Aallolla blogissaan (SLAALTO’s BLOG), että Venäjä omaisi suuremman osan päästöistä, vaikka todellisuudessa se jää samaan tulokseen esimerkiksi Ruotsin kansa. Vähiten typpipäästöjä tuottavat Suomi, Tanska, Saksa ja Viro, josta viimeisimmällä päästöt ovat kaikista valtioista pienimmät ja tämä oli ehdottomasti yllättävä tekijä. Valtioiden typpipäästöjen määrään Itämerellä vaikuttavat erityisesti maa- ja metsätalous, teollisuuden ja asutuksen jätevedet, energian tuotanto sekä sisäinen ja ulkoinen laivaliikenne (Svendsen, Pyhälä, Gustafsson, Sonesten & Knuuttila 2015:10-11). Asutuksen ja maatalouden keskittymissä päästö-ongelmat ovat laajimmat ja tämä näkyy erityisesti Puolan sekä Venäjän päästöissä, sillä niillä on suuria asukas-, maatalous- ja teollisuuskeskittymiä Itämeren rannikkoalueilla, kuten kuvasta 2 voidaan havaita (HELCOM, 2006). Tämän lisäksi suuret joet, kuten Veiksel ja Oder tuovat kulkevat tiheästi asutetuilta alueilta Itämereen tuoden typpeä kaukaa jopa Puolan rajojen ulkopuolelta. Venäjä asukaskeskittymistä erityisesti Pietarin alueen merkitys on suuri, sillä kaupunki on asukasluvultaan alueen selvästi suurin. Toisaalta Tanska on asukastiheydeltään Itämeren alueen tiheimpiä, mutta päästökartassa kuvassa 1 nähdään sen olevan pienimpiä saastuttajia. Tämä johtunee suuresta erosta valtioiden bruttokansantuotteen muodostumisella, sillä teollisuuden ja maatalouden osuudet ovat Puolassa selvästi Tanskan lukuja suuremmat (CIA World Factbook 2017).
Kuva 2: Itämeren alueen väestötiheys ja valuma-alue (lähde: HELCOM, 2006)
Itse kartan tekeminen oli hyvin mielenkiintoinen ja opettava projekti. Onnistuin mielestäni luoman suhteellisen hyvän lopputuloksen, joskin sinistä sävyä on ehkä liikaa. Säädin hieman valtioiden ja merialueiden rajojen näkyvyyttä, mikä helpottaa kohteiden erottelua. Toisaalta pohdin jälkikäteen myös esityksen luokkarajojen hienosäätöä, vaikka käytinkin luonnollisia luokkarajoja kurssin ohjaaja suosituksen mukaisesti. Tämä sen takia, että suurimpien päästöjen omaavista valtioista, kuten Puolasta, Venäjästä ja Ruotsista ei saa kovin yksityiskohtaista tietoa. Etenkin suurin luokka, johon Puola kuuluu, omaa hyvin suuren vaihteluvälin (13,3-33,7) muihin luokkiin verrattuna, vaikka Puola on ainoa tähän luokkaan kuuluva valtio. Olisi ollut järkevämpää asettaa luokkarajaksi pelkästään Puolan typpipäästöjen arvo eli 33,7.
Kotitehtävänä tuotin kaksi koropleettikarttaa, jossa teemoina ovat työttömyys ja yrittäjyys Suomessa. Minua kiinnosti, onko näiden ilmiöiden välillä suurta yhteyttä. Kuvassa 3 on kartta työttömyysasteesta kunnittain ja voidaan todeta, että työttömyys on korkeaa Itä-Suomessa ja Lapissa. Matalan työttömyyden alueita ovat Suomen länsirannikko, Ahvenanmaa Varsinais-Suomi ja Helsingin metropolialue. Kuvassa 4 näkyy yrittäjien määrä kuntien väestöstä. Yleistä yrittäjyys on länsirannikolla ja se pääsääntöisesti vähenee itään päin siirryttäessä. Mielestäni nämä kaksi ilmiötä ovat jonkin verran yhteydessä toisiinsa. Tosin mielenkiintoista on eroavaisuus Lapisn luvuissa, koska siellä on korkea työttömyys, mutta yrittäjyys on suhteellisen korkealla tasolla, toisin kuin Itä-Suomessa. On mahdollista, että tähän vaikuttavat elinkeinorakenteen erilaisuuden, sillä Lappiin suuntautuu paljon matkailua ja siellä harjoitetaan porotaloutta.
Kuva 3: Työttömyys Suomen kunnissa
Kuva 4: Yrittäjien osuus Suomen kunnissa
Lähteet:
CIA World Factbook – GDP composition, by sector of origin 2017. Verkossa. Luettu 28.1.2018. Saatavilla: https://www.cia.gov/library/publications/the-world-factbook/fields/2012.html
HELCOM, 2006. Development of tools for assessment of eutrophication in the Baltic Sea Balt. Sea Environ. Proc. No. 104 Verkossa. Luettu 28.1.2018. Saatavilla: http://www.helcom.fi/Lists/Publications/BSEP104.pdf
SLAALTO’S BLOG 2018. Verkossa. Luettu 28.1.2018. Saatavilla: https://blogs.helsinki.fi/slaalto/
Svendsen, L.M., Pyhälä, M., Gustafsson, B., Sonesten, L. and Knuuttila, S. 2015. Inputs of nitrogen and phosphorus to the Baltic Sea. HELCOM core indicator report. Verkossa. Luettu 28.1.2018. Saatavilla: http://www.helcom.fi/Documents/Baltic%20sea%20trends/Eutrophication/CORE_indicator_nutrient_inputs_1995-2012.pdf