Geoinformatiikan menetelmät kurssi aloitettiin paikkatieto-ohjelmaan QGIS:siin tutustumalla. Ensimmäisellä kurssikerralla tehtävänä oli opetella ohjelman ominaisuuksia erilaisten harjoitustöiden avulla.
Opin luennolla paljon uutta, sillä en ole ennen QGIS ohjelmaa käyttänyt. Harjoittelimme erilaisten tasojen säätämistä niin, että lopputuloksesta tuli mahdollisimman hyvin haluttuja ilmiöitä kuvaava. Säädimme siis esimerkiksi värit paremmin havainnollistaviksi, lisäsimme selitteet ja mittakaavan ja harjoittelimme hieman ohjelmassa laskemista. Teimme kurssikerralla kartan, joka kuvaa osuutta typen päästöistä valtioittain (kuva 1.).
Kartasta (kuva 1.) tuli loppujen lopuksi melko selkä. Värit erottuvat toisistaan hyvin ja legenda on onnistunut. Värit kuvaavat hyvin typen päästöjen suuruuksia Itämeren ympärillä. Kartan pohjalta voidaan havaita varsinkin Puolalla olevan selkeästi muita Itämeren ympärillä olevia valtioita suuremmat typpipäästöt.
Kurssikerralla etenemistahti oli itselleni sopiva. Toisaalta osallistuin poikkeuksellisesti kahdelle eri ryhmän luennolle, jotta varmasti ymmärsin ohjelman käytön perusteet. Värien valitseminen alkoi sujumaan helposti kuitenkin vasta kun vielä itsenäisesti tutustuin ohjelmaan. Myös legendan, mittakaavan ja pohjoisnuolen lisääminen onnistui kätevästi. Kartan rajaus tuotti itselleni pieniä haasteita, mutta uskon nyt osaavani tehdä sen myös jatkossa. Hieman haasteita tuotti myös kaikkien alueen valtioiden säilyttäminen näkyvissä sen jälkeen, kun Itämereen typpeä päästävät valtiot oli karttatasolta valittu. Uskon kuitenkin oppineeni suurimman osan kurssikerralla käydystä asiasta. Ohjelman käyttö kuitenkin tulee jatkossa todennäköisesti vielä sujuvammaksi ja laskujen laskeminen selkeämmäksi.
Kuva 1. Osuus typen päästöistä valtioittain Itämeren alueella.
Toisena tehtävänä oli hyödyntää Suomen kuntien tietokantaa ja tuottaa itse koropleettikartta. koropleettikartoille tyypillistä on suhteelliset lukuarvot. Tutkin kurssikansioon lisättyjen Suomen kuntien muuttujia ja päädyin tutkimaan alkutuotannon osuutta elinkeinoista kunnittain (kuva 2.). Tiedot olivat vuodelta 2015. Päädyin jakamaan aineiston neljään luokkaan, jotta lopputulos olisi helposti luettavissa mutta kuvaisi riittävällä tarkkuudella kuntien välisiä eroja alkutuotannon osuudesta työllistäjänä. Kokeilin sekä Natural Breaks ja Equal count luokkajakoja ja päädyin Equal count jakoon. Jälkeenpäin mietittynä myös natural breaks jako olisi voinut toimia melko hyvin.
Kuva 2. Alkutuotannon osuus elinkeinoista kunnittain 2015
Luin Annika Innasen blogia, jonka avulla huomasin hieman katsoa harjoitusta tehdessäni sotkanetin tietoja. Päädyin kuitenkin lopulta harjoittelemaan hieman helpompaa versiota tehtävästä, jotta QGIS ohjelman peruskäytöstä tulisi sujuvampaa. Onnistuin melko nopeasti kurssikerran tietojen pohjalta tekemään kartan alkutuotannon osuuksista kunnittain. Opin tehtävän kautta vielä paremmin jakamaan aineistoa luokkiin ja hieman muutenkin tutkimaan QGIS ohjelman ominaisuuksia, vaikka en lopulta kovin haasteellista koropleettikarttaa tehnytkään. Valitsin ilmiötä kuvaavaksi väriksi vihreän sillä alkutuotantoon liittyy vahvasti esimerkiksi maa- ja metsätalous, joita kuvaa mielestäni vihreä kohtalaisen hyvin. Palvelu ja jalostus valtaisemmat alueet näkyvät kartalla vaaleammalla vihreällä tai jopa valkoisella.
Koropleettikartta (kuva 2.) onnistui mielestäni ihan hyvin, vaikka jokin toinen luokkajako olisikin saattanut olla vielä selkeämmin alkutuotannon osuutta Suomen kunnissa kuvaava. Tummimmalla vihreällä merkittyyn luokkaan kuuluu nimittäin melko suuri prosentti väli 19,4-42,9, joka tekee vertailua paikoin hieman haasteelliseksi. Myös luokkien määrää olisi ehkä voinut nostaa riippuen siitä millä tarkkuudella tietoja halutaan kartalta tarkastella. Kartasta voidaan kuitenkin todeta se, että Etelä-Suomessa alkutuotannon osuus elinkeinoista on melko alhainen. Pohjois-Pohjanmaalla ja muutenkin Keski- ja Pohjois-Suomessa alkutuotannon osuus on puolestaan suurempaa. Suomen pohjois-/koillisosassa erottuu selkeästi esimerkiksi Savukosken alue, jossa alkutuotanto työllistää paljon ihmisiä.
Pinja Hägg kertoo hyvin blogissaan siitä, että legendassa olevat desimaaliluvut eivät kaikissa tilanteissa ehkä ole kaikkein merkityksellisimpiä ja saattavat hieman sekoittaa kartan luettavuutta. Luokkarajat olisi siis voinut ihan hyvin rajata kokonaisiin lukuihin. Toisaalta ilmiö on mielestäni kokonaisuudessaan melko hyvin luettavissa kartalta, koska värit erottuvat toisistaan ja legenda on melko selkeä. Legendan avulla voidaankin helposti huomata vihreän värin tummenevan kartalla sitä mukaan kun alkutuotannon osuus elinkeinona kasvaa.
Lähteet:
- Hägg, P (26.1.2021) “Kurssikerta 1”
https://blogs.helsinki.fi/pinhagg/
- Innanen, A (26.1.2021) “Harjoitus 1:Koropleettikartan laatiminen QGISissä”
https://blogs.helsinki.fi/anninnan/
- Paarlahti, A (26.1.2021) kurssikerta 1 diaesitys ja Moodlesta haetut muut materiaalit