Helsingin yliopisto
Johdanto
Ensimmäisellä kurssikerralla käsiteltiin kurssin käytännön asioita sekä aloitettiin QGIS-ohjelmaan tutustuminen. Lisäksi kävimme läpi paikkatiedon perusasioita, vektori- ja rasterimuotoisen paikkatiedon piirteitä sekä tasojen hyödyntämistä analyyseissa. Kerron tässä blogikirjoituksessa kahdesta kurssikerran aikana tekemästäni tehtävästä, joista ensimmäisen tein yhteisesti kurssilla ja toisen omatoimisesti.
Itämeren typpipäästöjen visualisointi
QGIS-ohjelma on itselleni entuudestaan melko tuntematon, vaikka käytinkin sitä hieman MAA-104 -kurssilla tehdyssä tehtävässä. Oli hyvä asia, että kurssilla kerrattiin ohjelman käyttämisen perusteita, jotta oppisin käyttämään sitä jatkossa omatoimisesti. Pidän ohjelman käyttämisen oppimista hyvin tärkeänä sekä tulevien opintojen että työelämän kannalta ja odotan innolla ohjelman käyttöön liittyviä tulevia kurssikertoja.
Ensimmäisen tehtävän tavoitteena oli saada aikaiseksi visualisointi, joka havainnollistaa Itämeren rannikolla sijaitsevien valtioiden osuuksia mereen päätyvissä typpipäästöissä. Visualisointi toteutettiin koropleettikartan avulla, josta ilmenee päästölähteiden sijainnit sekä päästöjen määrät valtioittain. Tehtävä aloitettiin siirtämällä tarvittava data QGIS-ohjelmaan, jonka lisäksi viilasin ohjelman perusasetuksia (mm. kieli) sekä ulkoasua itselleni sopivaksi. Tämän jälkeen siirryttiin varsinaisen teeman pariin ja etenimme kartan visualisoinnin kautta varsinaisen datan käsittelyyn sekä uuden datan laskemiseen. Lopuksi lisäsimme karttaan myös kartan peruselementit eli legendan, mittakaavan sekä pohjoisnuolen. Valmis kartta on nähtävillä alla olevassa kuvassa (Kuva 1).
Kuva 1, valmis visualisointi Itämeren rannalla sijaitsevien valtioiden aiheuttamista meren päästöistä.
Olen melko tyytyväinen valmiiseen visualisointiin ja viestin välittymiseen, vaikka parannettavaakin jäi. Mielestäni kartta havainnollistaa ilmiötä selkeästi, mutta luokkia olisi ehkä voinut olla yksi enemmän. Tämä sen takia, että nyt valtaosa valtioista kuuluu samaan luokkaan, eivätkä keskimmäisen luokan erot erotu mielestäni tarpeeksi. Valitsin väriteeman hieman eri tavalla, mitä kurssikerralla esitettiin, koska mielestäni myös valitsemani teema kuvaa hyvin mereen kohdistuvien typpipäästöjen kaltaista negatiivista ilmiötä. En aivan päässyt kurssikerralla kiinni siihen, miten kartalle tehdään kehykset, joten lopputuotoksessa niitä ei ole. Niiden poissaolo ei kuitenkaan nähdäkseni heikennä lopputuloksen laatua.
Kartasta voidaan huomata, että Itämeren alueella on useita päästölähteitä, joista selkeästi suurimpana erottuu Puola. Tämä hieman yllätti itseni, vaikka osasin odottaa Puolan olevan kärkipäätä. Samoin Ruotsin osuudet päästöistä olivat yllättävän suuret ja Venäjän melko pienet, jonka suhteen on tosin otettava huomioon Venäjän Itämeren rannikkoalueen lyhyys. Kuten jo aikaisemmin totesin luokkia olisi voinut olla visualisoinnissa yksi enemmän, sillä nyt esimerkiksi Tanska kuuluu Ruotsin kanssa samaan luokkaan, vaikka Ruotsin päästöt ovat Tanskaan verrattuna noin kaksinkertaiset. Joka tapauksessa rannikolla sijaitsevista valtiosta kohdistuu merkittäviä määriä päästöjä Itämereen ja päästöjen vähentäminen olisi toivottavaa. Erittäin hyvän huomion blogissaan tekee myös Taika Jaakkola (2024), joka nostaa tekstissään esille aikaisemman vuoden opiskelijan Joanna Nuutisen (2023) havainnon. Kuten Nuutisen ja Jaakkolan blogeissa todetaan, Itämereen päätyy päästöjä myös rannikkovaltioiden ulkopuolelta esimerkiksi jokien välityksellä, sillä Itämeren valuma-alueeseen kuuluu osia Norjasta, Valko-Venäjästä, Tšekistä, Slovakiasta ja Ukrainasta.
Viranomaistehtävät Suomen kunnissa
Toisessa tehtävässä tavoitteena oli toteuttaa oma koropleettikartta hyödyntämällä Suomen kuntien tietokantaa. Vaihtoehtoja vaikeusasteen suhteen oli kolme kappaletta ja päätin lopulta toteuttaa niistä toiseksi vaikeimman. Valmis kartta esittää Suomen kuntien viranomaistehtävien määrää suhteutettuna kuntien asukaslukuihin (Kuva 2).
Tehtävän toteuttaminen ei sujunut missään nimessä ongelmitta, ja jouduin tekemään paljon tiedonhakua päästäkseni haluamaani lopputulokseen. Valitsin ensimmäiseksi Tilastokeskuksen sivuilta sopivan aineiston ja latasin sen oikeassa muodossa. Aineistoon sisältyi laajalla skaalalla pääasiassa poliisien, mutta myös muiden viranomaisten erilaisia tehtävätyyppejä. Ladattuani aineiston, se vaati kuitenkin hieman muokkaamista siirtyäkseen QGIS-ohjelmaan sopivalla tavalla. Pääsin myös ensimmäistä kertaa opettelemaan ”join” -toiminnon käyttöä, jonka avulla tason piirteitä on mahdollista siirtää tasosta toiseen. Siirtämisvaiheessa ongelmia aiheutti erityisesti siirtämäni datan koodaus (encoding), joka ei tunnistanut pohjoismaisia ”ä” ja ”ö” -kirjaimia, minkä vuoksi siirtämisessä avaimena toimineet kuntien nimet eivät aina vastanneet toisiaan. Sain kuitenkin lopulta skandinaaviset kirjaimet näkymään oikealla tavalla. Lisäksi laskin jokaiselle kunnalle suhdeluvun jakamalla kuntien väkiluvun viranomaistehtävien määrällä. Ilman kyseistä laskutoimitusta lähinnä suurimmat kaupungit olisivat erottuneet kartalla kaikista tummimpina.
Lopputulokseen olen melko tyytyväinen ja mukana ovat kaikki haluamani elementit. Sain parannettua aikaisempaan karttaan verrattuna legendan muotoilua ja myös väriteema nähdäkseni toimii aiheen kohdalla. Se, miten viranomaistehtävät jakautuivat ympäri Suomea yllätti kuitenkin itseni, sillä suurimmat viranomaistehtävien määrät näyttäisivät keskittyvän Länsi-Suomeen Etelä- ja Keski-Pohjanmaan sekä Pohjanmaan maakuntiin. Lisäksi lähellä Turkua sijaitsevissa ympäryskunnissa on väkilukuun suhteutettuna paljon viranomaistehtäviä. Sen sijaan, suuret kaupungit erottuvat monin paikoin vähäisistä tehtävämääristään, mikä on tuloksena päinvastainen verrattaessa tilanteeseen, jossa väkilukuja ei huomioida. Toisaalta monet harvaanasutut kunnatkin erottuvat kartalla valkoisina. Kaikista suurimman suhdeluvun sai Virolahti ja pienimmän Luoto.
En ainakaan itse osaa suoranaisesti sanoa, mistä monet kartalla näkyvät trendit voisivat johtua. Kuvittelisin ainakin itse, että suuret kaupungit olisivat edelleen viranomaistehtävissä korkeammalla. Virolahden tapauksen kuitenkin ymmärrän, koska kunnan alueella sijaitsee Vaalimaan rajanylityspaikka, jonka myötä valtaosa viranomaistapauksista liittyy maahanpääsyn epäämiseen liittyviin tapauksiin. Mahdollisesti myös joissakin muissa yksittäistapauksissa korkeaa arvoa selittävät jotkin yksittäisen tyyppiset, muista kunnista poikkeavat viranomaistehtävät. Joka tapauksessa kartan laajempien trendien taustojen ymmärtäminen voi vaatia lisää tutkimus- ja selvittämistyötä.
Kuva 2, Suomen viranomaistehtävien jakautuminen kunnittain vuonna 2021. Kartassa huomioitu kuntien väkiluku. (Tilastokeskus)
Lähteet:
Nuutinen, J. (23.1.2023). QGIS-ohjelmistoon tutustuminen. Haettu 22.1.2024.
Jaakkola, T. (2024). QGIS for dummies ja karttojen laatimisen perusteita. Taikamatkalla GIS-velhoksi. Haettu 22.1.2024.
https://blogs.helsinki.fi/jztaika/
Tilastokeskus. (2022). Viranomaisten tehtäviä kunnittain, 1980-2022. Haettu 24.1.2024.
https://pxdata.stat.fi/PxWeb/pxweb/fi/StatFin/StatFin__rpk/statfin_rpk_pxt_13f7.px/