Viimeinen luento

Mitä ja miksi

Viimeisellä kurssikerralla tehtävänä oli tehdä vapaavalintainen kahden muuttujan kartta omalla datalla. Ennen kurssikertaa muistin Mari Vaattovaaran esittelemän datasivuston, josta sopivasti löytyi aineistoa csv-muodossa. En siis halunnut lähteä käyttämään yhtään enempää aikaa tiedon etsimiseen muilta sivuilta, kun aiemmilla kurssikerroilla opeteltu tiedostomuoto oli saatavilla. Kartan aineistoiksi valikoituivat HDI:n (Human development index) ja BKT:n/asukas (bruttokansantuote) vertailu, sillä monet aineistot sivuilla olivat yksinään ja ne olisi pitänyt tuoda erikseen QGIS:iin. HDI ja BKT/asukas olivat mukavasti samassa tiedostossa ja halusin tietää, löytyisikö maailmasta jotain poikkeuksellisia valtioita, joilla on kehitystä rahanpuutteesta huolimatta tai rahasta huolimatta kehityksen puutetta. Halusin myös saada mukaan koko maailman, sillä esim. vain yhden mantereen esittäminen kartalla voisi jättää huomiotta koko maailman taloudellisen tilanteen. Esimerkiksi monet Euroopan valtiot ovat hyötyneet paljon kolonialismista, joka on jättänyt moniin ”globaalin etelän” valtioihin vaikeat lähtökohdat menestyksen luomiselle.

Raaka työ

Edellisen kurssikerran tiedostoista löytyi valmis karttapohja, jonka valitsin taustakartaksi. Sen jälkeen lisäsin tiedoston Exceliin ja rajasin pois turhat tiedot, kuten menneiden vuosien datan. Sivusto ei jostain syystä antanut tehdä rajausta latausvaiheessa. Rajatun tiedon luomisen jälkeen joutuikin hieman miettimään. Muistin kuitenkin menneeltä kurssikerralta Join attributes-toiminnon, josta piti tällä kertaa valita field value-vaihtoehto datan liittämiseksi karttatasoon. Aluksi otin input layeriksi väärän vaihtoehdon (taulukon pohjakartan sijasta), jonka tajuamiseen tarvitsin Artun apua. Arttua tarvittiin myös datan muuttamiseen numeromuotoon, jota ilman koropleettikartta ei olisi toiminut. Sen jälkeen jouduin pohtimaan, kuinka kahta muuttujaa voi esittää yhdellä kartalla. Muistin jollain kurssikerralla tehdyn valuma-aluekartan, mutta mielestäni piirakkadiagrammit olivat varsin epäselviä ja halusin toisenlaisen ratkaisun. Ajattelin ensin käyttävin jonkinlaista kaavaa, jotta hdi:sta ja bkt:stä saisi jonkun mysteerisen yhteisen arvon ja piirakoita ei tarvitsisi tehdä. Lukion lyhyellä matikalla en kuitenkaan keksinyt tälläista Matrixin jäsenyyttä vaativaa yhtälöä. Päädyin käyttämään Veera Matikaisen neuvomaa piirakkadiagrammia, jossa vain diagrammin koko kuvaa bkt:n suuruutta. Jälkeenpäin ajateltuna olisin voinut itsekin muistaa tämän, sillä tein samalla tavalla valuma-aluekartan aiemmalla kurssikerralla.

Karttojen ja aineiston analyysiä

Tulin siihen tulokseen, että kahden muuttujan kartoista on hyvin vaikea tehdä kauniita, kun verrattavien alueiden koko ja läheisyys vaihtelee Kanadasta Luxemburgiin. Jopa kuvassa 1, jonka tein Euroopan tilanteen selkeyttämiseksi on varsin hankala hahmottaa esimerkiksi Maltan tai Luxemburgin HDI:tä. Maailmankartalla (kuva 2) on vielä vaikeampi hahmottaa pienempien valtioiden tilannetta. Liina Leisolan (2024) blogissa on käytetty histogrammia piirakan sijasta, mutta molemmilla kuvaajilla on ongelmia pienien maiden visualisoinnin  kanssa. Syy on lähinnä  siinä, että pienten maiden koropleettitiedot sattuvat jäämään niiden oman piirakan tai histogrammin alle, kun samalla yritetään kuvata isompia maita. Joskus myös toisen maan tieto voi nielaista pienen maan datan, kuten voi nähdä Euroopasta kuvassa 2. Liinan blogissa oli myös hyvin kuvattu datattomat maat, jota en itse tajunnut tehdä. Vaikka karttani eviät olleet erityisen onnistuneista tällä kertaa, olen tyytyväinen värimaailmaan ja legendaan.

Halusin kartoilla selvittää poikkeavuuksia HDI:n ja BKT:n korrelaatiosta, mutta poikkevat maat eivät valitettavasti näy maailmankartalla erityisen selkeästi. Parhaiten näkyy suuren kokonsa ansiosta Libya, joka on aineiston mukaan jäänyt jälkeen HDI:n kehityksessä suhteessa BKT:hen. Ensi vilkaisulla kartasta ei voi kuitenkaan todeta, että Libya poikkeaisi jotenkin suuresti maailman keskiarvosta. Yleisesti HDI:llä ja BKT:llä per asukas vaikuttaa olevan suuri korrelaatio. Poikkeuksia ovat pienet öljyntuottajamaat kuten Libya, Päiväntasaajan Guinea, Qatar ja Brunei. Näilla mailla on alhainen HDI suhteessa BKT:hen, sillä suuret öljytuotot maissa luultavasti keskittyvät vain pienelle eliitille. Toisella puolella taas korostuvat lähinnä pienet Tyynenmeren saarivaltiot. Korkea HDI suhteessa maiden BKT:hen per asukas voisi johtua pienen ja tiiviin yhteisön tuomasta vähäisestä korruptiosta ja ulkomaiden tukiaisten paremmasta kohdentamisesta. Tajikistanin poikkeamalle en kuitenkaan keksi mitään selitystä. Omat karttani eivät onnistuneet kuvaamaan poikkemia maailmassa, vaan jouduin tarkistamaan ne kuvan 3 diagrammista. Ehkä seuraavalla GIS-kurssilla löytyy keinot parempaan kahden muuttujan karttaan.

Lähteet

Our World in Data (2021) Human develpment index vs. GDP per capita, 2021. Viitattu 29.2.2024. https://ourworldindata.org/grapher/human-development-index-vs-gdp-per-capita?tab=table

Matikainen V. (2024) Veeran GIS-blogi :). Viitattu 29.2.2024. https://blogs.helsinki.fi/veematik/

Leisola L. (2024) Liinan blogi. Viitattu 29.2.2024 https://blogs.helsinki.fi/liinalei/