Viikko 1: QGIS-ohjelmaan tutustuminen

GIS-metodien 1 -kurssin ensimmäisellä kerralla kävimme läpi QGIS:n perustoimintoja, ja harjoituksena muokkasimme karttaa Itämeren ympärillä olevien maiden typpipäästöistä (kuva 1). Heti kun keskittyminen herpaantui edes hetkeksi, ei ollut mitään aavistusta mitä pitäisi tehdä. Kun sitten yritin itsenäisesti tehdä kartan Suomen kunnista (kuva 2), oli vielä vaikeampi pysyä mukana, kun kukaan ei näyttänyt jokaista askelta tarkasti.

Typpipäästöt Itämerellä

Onneksi saimme tarkat ohjeet siitä, miten korjata kartta Itämeren typpipäästöistä, muuten siihen olisi mennyt paljon enemmän aikaa. Olen tyytyväinen karttani väreihin. Oli mielenkiintoista huomata, värillä on paljon merkitystö sille miten kartta tulkitaan, eli kun laatii karttaa on hyvä miettiä minkä viestin haluaa materiaalista antaa. Usein esimerkiksi eri maiden päästöille annetaan punaisia värejä, ja tummemmat värit symboloivat suurempaa määrää (negatiivista). En löytänyt punaisia sävyjä sisältävää värimittaa, joten päätin käyttää vaaleanpuna-violetti värisävyjä, jotka mielestäni myös sopivat hyvin.

Kuva 1 on valmis kartta niiden maiden typpipäästöistä, joilla on raja Itämereen. Kartasta kuvassa 1 erottuvat erityisesti Puola ja Viro. Viron typpipäästöt näyttävät olevan paljon pienemmät kuin muilla. European Environment Agency:n (2023) mukaan Viro on vähentänyt päästöjään merkittävästi viimeisten 20 vuoden aikana, ja nyt typpipäästöt ovat lähes nolla. Toinen maa, joka erottui erityisen paljon, oli Puola, joka tuottaa noin kolmanneksen kaikista Itämereen vaikuttavista typpipäästöistä, erityisen suurilla typpipäästöillä. Kuten Armida blogissaan Gissful thinking (2024) kirjoitti ja European Environment Agency:n (2023) mukaan, suurin osa maan päästöistä johtuu energiantuotannosta. Puolassa suurin osa energiasta tuotetaan hiiliteollisuudella, jossa typpi muodostuu kiven polttamisen prosessissa. Maatalous ja kaupalliset markkinat ovat myös merkittäviä typpipäästöjen aiheuttajia Puolassa. Myös suurin osa Puolassa käytettävistä autoista on todella vanhoja, mikä aiheuttaa enemmän päästöjä (Cross, D. T., 2019).

Taika mainitsee blogissaan Taikamatkalla GIS-velhoksi, että rannikon pituus tulisi ottaa huomioon karttaa analysoitaessa. Kartan typpipäästöt ovat vain niitä, jotka vaikuttavat Itämereen. Kun tarkastellaan rannikon pituuksia, näyttää siltä, että kaikilla muilla mailla Itämeren ympärillä on suunnilleen yhtä pitkä rannikko, paitsi Suomella ja Ruotsilla, joilla on huomattavasti pidempi rannikko. Tämä tarkoittaa, että Puolan päästöt ovat todellisuudessa vielä suuremmat kuin mitä kuvista näkee. Suomi ja Ruotsi päätyvät pitkistä rannoistaan huolimatta samaan luokkaan kuin useimmat muut, mikä viittaa vähäisiin päästöihin. On kuitenkin muistettava, että vaaleanpunaisen värin väli on niin suuri kuin 3,2% – 13,3%.

Suomen kunnat

Kurssin toinen tehtävä tehtiin itsenäisesti, mikä teki tehtävästä erittäin vaikean. Vaikka olin juuri suorittanut ensimmäisen tehtävän samana päivänä, olin silti ehtinyt unohtaa, miten jotkin vaiheet tulisi tehdä. Ruotsinkielisenä valitsin tehtäväksi tarkastella ruotsinkielisten osuutta kunnissa. Kuva 2 on lopullinen kartta Suomen ruotsinkielisten osuudesta kunnissa.

Kuva 2 on valmis kartta ruotsinkielisten osuudesta Suomen kunnissa. Kartasta näkee selvästi, missä kunnissa on eniten ruotsinkielisiä. Muuten se näyttää miltä ajattelinkin sen näyttävän, mutta yllätyin siitä, kuinka paljon ruotsinkielisiä näyttää olevan Lapissa, erityisesti ”käsivarressa”.

Kun katsoo karttaa, näyttää siltä, että on paljon kuntia, joissa ruotsinkielisten osuus on suuri, mutta on otettava huomioon, että kahdella tummimmalla ”värikategoriolla” on 40%:n väli (1,34-40,38 ja 40,38-92,4), mikä on melko suuri. Tämä tekee pohjoisessa näyttämään siltä, ​​että ruotsinkielisiä on enemmän kuin todellisuudessa on, eli Lapin ”käsivarressa” ei oikeasti ole paljoa vailkka silä näyttää.

Eri arvoluokat tehtiin automaattisesti QGIS:llä. Huomaan, että niillä ei ole erilaisia arvoja siinä missä yksi päättyy ja toinen alkaa. Tämä tulisi aina olla, koska arvoja voi ilmetä, jotka sopivat kahteen eri väriin. Esimerkiksi viimeinen päättyy 40,38 %:iin, ja seuraava kategoria alkaa 40,38 %:sta, joten jos jossain kunnassa sattuisi olemaan tarkalleen 40,38 % ruotsinkielisiä, karttaan tulee jonkinlainen virhe.

Tehtävä oli yleisesti ottaen mielenkiintoinen, ja koen tulleeni tutuksi QGIS-ohjelman kanssa. Tunnen kuitenkin olevani vielä hieman epävarma, ja tarvitsen enemmän harjoitusta QGIS-ohjelman ja yleisesti geoinformatiikan parissa.

 

Lähteet: 

European Environment Agency. (24.11.2023). Air pollution country fact sheets 2023. https://www.eea.europa.eu/themes/air/country-fact-sheets/2023-country-fact-sheets 

Wanström, Armida. (13.1.2024). Bekantningsprocessen till QGIS vecka 1. Gissful thinking. https://blogs.helsinki.fi/armida/2024/01/13/gissful-thinking/ 

Cross, D. T. (20.10.2019). Why air pollution in Poland is the worst in Europe. Sustainability Times.  https://www.sustainability-times.com/clean-cities/battling-the-scourge-of-air-pollution-in-poland/

Jaakkola, Taika. (17.1.2024). QGIS for dummies ja karttojen laatimisen perusteita. Taikamatkalla GIS-velhoksi. https://blogs.helsinki.fi/jztaika/2024/01/17/qgis-for-dummies-ja-karttojen-laatimisen-perusteita/