Noniin, nyt on ensimmäinen Geoinfromatiikan menetelmät 1 kurssikerta takana. Hyppäsimme heti kättelyssä paikkatiedon syövereihin käymällä läpi paikkatiedon perusteita sekä tutustumalla ainakin minulle aivan uuteen paikkatieto-ohjelmistoon QGISiin.
Oletin QGis-ohjelmiston olevan haasteellinen, sillä olen kuullut kauhutarinoita muunmuasssa ohjelmiston kaatumisesta ja jäätymisestä. Onnekseni näin ei kuitenkaan käynyt ja sain alustavasti erittäin hyvän kuvan ohjelmiston toimivuudesta ja käytöstä ylipäänsä. Tietenkin uuden ohjelmiston käyttö on aluksi haastavaa, mutta käytyämme yhdessä läpi tarvittavat toiminnot, sujui käyttö vaivattomasti. Lukiessani toisten kurssilaisten blogeja heidän ajatuksistaan, hämmästyinkin kuinka moni kertoi ohjelmiston aiheuttaneen heille harmaita hiuksia.
QGIS-ohjelmiston harjoittelun tuloksena syntyi ensimmäinen kyseisellä ohjelmistolla tekemäni kartta (kuva 1). Se kuvaa Itämeren typpipitoisuuteen vaikuttavia valtioita. Kyseiset valtiot on luokiteltu prosentuaalisten päästöjen mukaan viiteen eri luokkaan käyttämällä eri oranssin sävyjä. Sävy tummenee päästöjen kasvaessa. Täten voidaan kartasta havaita Puolan olevan prosentuaalisesti suurin Itämeren suuriin typpipäästöjen osuuksiin vaikuttava valtio. Pienimmäksi päästöjen nousuun vaikuttavaksi voidaan havaita Viro.
Suuri typpipitoisuus rehevöittää vesistöjä lisäämättä ravinteiden määrää. Tästä seuraa muunmuassa leväkasvien lisääntyminen, monien eliölajien vaarantuminen ja merenpohjan happikato. Syitä suureen typpipitoisuuteen ovat muunmuassa jätevesien puuttellinen puhdistus, suuri väestömäärä, teollisuus, metsätalous ja maatalous. Näiden lisäksi WWF listaa sivullaan 1/4 veden typpipäästöistä tulevan ilmasta esimerkiksi meri- ja ilmaliikenteen kautta.
Kartan ulkonäköön en ole lainkaan tyytyväinen. Karttaa katsoesssa silmiin osuu ensimmäisenä karmea musta massiivista tuhkapilveä muistuttava rykelmä alueita, etenkin Suomen ja Ruotsin päällä. Ne ovat järviä. Kiireessä en huomannut unohtaneeni vaihtaa järvien väriä sinisiksi ja siksi karttaani koristaa nyt tämä hirvitys… hupsista. Kartan värien valinnassakin koen epäonnistuneeni, sillä Viro ja Euroopan maat, jotka eivät vaikuta Itämeren typpipitoisuuteen, ovat liian samanvärisiä ja voivat helposti antaa tietämättömälle lukijalle väärää informaatiota.
Värityksen lisäksi legendan typpipitoisuuden prosentiaalisen osuuden havainnollistava luokitteluskaala on hyvin epätasainen. Tätä olisin voinut vielä muuttaa esimerkiksi merkkaamalla luvut puolikkaan prosentin tarkkuudella.
Väriseikoista huolimatta onnistui kartta mielestäni kuitenkin ensimmäiseksi QGIS-ohjelmistolla tehdyksi kartaksi melko hyvin. Mielestäni se on selkeä ja helppolukuinen vasemman reunan legendan avulla.
Otin kartanteon pääasiassa ohjelmistonkäytön oppimisen kannalta ja ensi kerralla osaan olla huolellisempi ja tuottaa kartan paremmin. Kuten Iina Rusanen blogissaan kirjoittaa: ”Aloittelijatason virheiden teko lienee kuitenkin sallittua vielä harjoitusvaiheen kartoissa, ja virheistä on tarkoitus oppia.”
Huh, nyt on ensimmäinen postaus kirjoitettu!
Palataan ensi viikolla! 🙂
Psst!
Tulevaisuuden Saaga täällä terve. Koska olin niin tyytymätön ensimmäiseen karttaan Itämeren typpipitoisuuksiin vaikuttavista valtoista, päätin tehdä kartan kokonaan uudestaan (kuva 2). Muutin kartan värityksen mielekkäämmäksi, legendan sijantia ja sisältöä. Nyt Viron väri ei myöskään sekaannu muihin Euroopan maihin, jotka eivät vaikuta Itämeren typpipitoisuuksiin. Muistin myös vaihtaa järvien värit, jes!! Kartan uudelleentekeminen sujui erittäin nopeasti ja vaivattomasti. Samalla sain hyvää kertausta kurssikerralla opituista asioista.
Kuvassa 3 on kuvattu kartalla Suomen kuntien työttömyysprosentti vuodelta 2015. Kartalta voidaan havaita etenkin länsirannikon vähäinen työttömyys. Pääkaupunkiseudullakaan ei juurikaan ole työttömyyttä. Eniten työttömyyttä esiintyy käsivarressa, Pohjois- sekä Itä-Suomessa. Pohjois-Suomen kunnista Sodankylä, Kittilä ja Muonio ovat vähiten työttömiä verrattuna muuhun Lappiin. Syy tähän voi olla esimerkiksi suuri turismi. Muihin suuriin kaupunkeihin verrattuna Oulun työttömyysprosentti on yllättävän suuri.
Lähteet:
Alex Naumanen – Ekat faceplantit, luettu 21.1.2019 https://blogs.helsinki.fi/alexnaum/
Elina Huhtinen – Viikko 1 – QGIS ja siihen perehtyminen, luettu 21.1.2019 https://blogs.helsinki.fi/huhelina/
Ida Lehtonen – Blogi 1 -QGIS:n käytön harjoittelua, luettu 21.1.2019 https://blogs.helsinki.fi/lida/
Iina Rusanen – QGIS tutuksi, luettu 21.1.2019 https://blogs.helsinki.fi/iinarusa/
WWF – Itämeren rehevöityminen, luettu 21.1.2019 https://wwf.fi/alueet/itameri/rehevoityminen/
Muokattu 24.1.2019, lisätty uusi kartta Itämeren typpipitoisuuksista (kuva 2) ja kirjoitettu analyysi kyseisestä kartasta. Lisätty myös kartta Suomen kuntien työttömyysprosenteista vuodelta 2015 (kuva 3) sekä analyysi kartan sisällöstä.
Muokattu 3.3.2019, muutettu tekstin asettelua.