Viikko 1: Suomen kunnilla harjoittelua

 

Toinen tehtävä oli tuottaa itse valitsemasta aineistosta koropleettikartta QGIS:n avulla. Mielekästä oli vapaus valita itse, mutta toisaalta valinnan varaa oli todella paljon. Tein koropleettikartat helpoimman vaikeustason mukaan, sillä ajattelin tärkeämpää saada varmuutta QGIS:n peruskäyttöön. Tein kaksi koropleettikarttaa ja olin yllättynyt miten vaivattomasti lopulta sain kartat tehtyä.

Tein molemmat kartat kaikista Suomen kunnista (kuva 1 ja 2). Molemmat aineistot olivat valmiiksi ilmoitettu suhteellisina lukuarvoina, joten niitä ei tarvinnut muokata koropleettikarttaa varten. Kuva 1 kertoo, kuinka suuri on kunnissa alle 14-vuotiaden osuus prosentuaalisesti. Kuva 2 näyttää, kuinka suuri osa kuntien väestöstä on yli 65-vuotiaita prosentuaalisesti. Huomasin vasta kartan (kuva 1) kuvaksi muokattua, että olin vahingossa muokannut kehyksen värin valkoiseen kääntyväksi, vaikka se ei ollut tarkoitukseni. Olen tyytyväisempi kuvan 2 värimaailmaan.

Kuva 1. Alle 14-vuotiaiden osuus Suomen kuntien väestöstä.

Toisaalta olisin voinut yhdistää koropleettikarttani yhdeksi kartaksi, jossa näkyisi ei-työikäisten osuus kuntien väestöstä. Kuvasta 1 voi nähdä miten kasvukeskusten lähistöllä sijaitsee paljon alle 14-vuotiaita. Alle 14-vuotiaiden osuus väestöstä on selvästi suurempi lännessä kuin idässä, kun taas yli 65-vuotiaiden osuus väestöstä on suurempi Itä-Suomessa. Kuva 1 ja kuva 2 ovat melko peilikuvamaisia toisistaan. Mielenkiintoista olisi ollut myös tehdä kolmas koropleettikartta, josta olisi näkynyt työikäisten osuuden väestöstä eri kunnissa, jonka pohjalta olisi voinut pohtia esimerkiksi kuntien väestöllisen huoltosuhteen jakautumista Suomessa.

Kuva 2. Yli 65-vuotiaiden osuus Suomen kuntien väestöstä.

Molemmissa kartoissa käytin kuutta luokkaa. Käytin luonnollista luokkajakoa, sillä histogrammien avulla tutkittuani totesin jaon olevan mielestäni toimivin. QGIS:ssa luokkajakoja tarkastellessa todella hyvä ominaisuus oli mahdollisuus muokata data histogrammin muotoon. Luokkajakoa valittaessa itse kiinnitin esimerkiksi huomiota, ettei mikään jako katkaisisi ja jakaisi kahta melkein tai täysin samaa arvoa eri luokkiin.

Luokkajakojen valitseminen oli hankalaa, sillä niiden valinnalla on suuri vaikutus kartan lopputulokseen. Uskon luokkajaon valitsemisen helpottuvan ajan myötä, kun ”silmä” oppii näkemään mikä jako sopii mihinkin aiheeseen ja tarkoitusperään. Senja Mäkiaho oli tehnyt myös koropleettikartan ”0–14-vuotiaiden osuus kunnista %”. Mäkiaho oli tehnyt kaksi koropleettikarttaa eri luokkajaoilla, tasavälisenä sekä kvantiililuokkajakona. Se oli mieleenpainuva ja visualisoi hyvin luokkajakojen valitsemisen merkitystä. Näen että molemmissa luokkajaoissa on hyvät sekä huonot puolensa. Minusta tärkeintä valinnassa on mihin karttaa tullaan käyttämään. Mäkiaho oli visualisoinut hyvin vielä histogrammien avulla eri luokkajakojen eroja.

Toisaalta huolestuttavaa on, miten helposti ja pienellä perehtymisellä sain tehtyä kartat. Visuaalisesti ne näyttävät informatiivisilta sekä antavat asiantuntevan mielikuvan aiheesta. Karttoja pidetään yleisesti ottaen luotettavina tiedonlähteinä, vaikka kaikki kartat eivät sitä ole. Huolestuttavaa tästä tekee sen, miten helppoa on johtaa harhaan ihmisiä karttojen (varsinkin koropleettikarttojen) avulla. Yleensä se ei tietenkään ole tarkoitusperäistä, mutta pelottavaa onkin miten helposti sen voi tehdä ihan huomaamattaan.

 

Lähteet

Mäkiaho S. (2022) QGIS:n mieleen palauttelua Senjan seikkailut GIS maailmassa (luettu 24.1.2022)

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *