Aloitin kurssini QGIS:in käytön lämmittelyllä MAA-104 kurssin oppeja muistellen. Paarlahti opasti hyvin takaisin QGIS:in maailmaan ja opinkin taas paljon uutta. Perustoiminnot takaisin haltuun, uusia vinkkejä myös. Käyttöliittymältään ja perustoiminnoiltaan QGIS muistuttaa aika paljon Corel Draw -ohjelmistoa, mitä käytettiin runsaasti viime periodin Tiedon esittäminen maantieteessä -kurssilla. Typpipäästöt sain koropleettikartalle ja järvetkin ja syvyyskäyrät sain melko kauniiksi pikaisesti muuttamalla niiden reunaviivat läpinäkyviksi. Alla on kuva valmiista typpipäästö-kartasta.
Kuva 1: Typen päästöt valtioittain Itämerellä
Kartta näyttää Puolan pahimpana saastuttajana, Ruotsin ja Venäjän heti perässä ja tämän jälkeen pienempinä syyllisinä Suomen, Latvian, Tanskan ja Saksan. Viro ei tällä kartalla juhli, mutta se on vaan hyvä asia! Luulen, että Tanskan melko pieniin päästöihin vaikuttaa se, että osa maatalouden päästöistä menee Pohjanmereen, samaten kuin Saksan maatalouden päästöistä vain pieni osa onneksi päätyy pieneen, saastuneeseen sisämereemme.
Rajapintoja ja merkistöongelmia
Toisena harjoituksena päätinkin hypätä syvään päätyyn ja lähteä tyhjästä määrittelemään rajapintoja ja tuomaan tilastokeskuksen dataa kuntakartalle. Haasteiden jälkeen kartta on valmis ja jatkossa onkin helpompi keskittyä sisältöön ja sisällön järkevyyteen kuin itse prosessiin. Sain melko helposti löydettyä QGIS-ohjelmistosta rajapinnan, josta löysin sopivan kuntapohjan tekemisilleni. Seuraavaksi päätinkin lähteä tilastokeskuksen sivuille etsimään jotain “hauskaa” dataa tyhjän kuntakarttani päälle. Attribuuttitaulukoista olin tarkistanut, minkä muotoista dataa olisi hyvä löytää ja sehän oli kuntapohjaista.
Mietin ensin kuolematilastoja, mutta kevyen ja riehakkaan torstai-aamun johdosta päädyinkin avioerotilastoihin. Sain ne helposti tuotua .csv-muodossa QGIS-ohjelmistoon, mutta ääkkösten koodaus oli aivan metsässä. Löysin kuitenkin sopivan Unicoden, kun UTF-8 ei jostain syystä toiminut ja pilasi datan. Pienten haasteiden jälkeen sain datan yhdistettyä kuntakarttaan ja osa kunnista puuttui! Tilastokeskus oli koodannut ruotsinkieliset kunnat virallisella nimellä ensin, toisin kuin rajapinnasta saatu kuntakartta, joten ei muuta kuin käsitöihin. Ingåsta Inkoo, Jacobstadista Pietarsaari ym. Nyt minulla oli avioerot yhdistettynä kunta-aineistoon, mutta eihän sillä mitään tehnyt. Hain tilastokeskuksesta väestömäärät ja toin ne QGIS-ohjelmistoon, jouduin jälleen jumppaamaan ruotsinkielisten kuntien nimet suomenkielisiksi, jonka jälkeen helmitaululla, Open Field -calculatorilla suoritin operaatiot, että sain avioerotilastot suhteellisiksi luvuiksi väkiluvun mukaan. Kerroin vielä sadalla, että saatiin prosentit. Väsäilin jotkut melko sopivat välit, että sain kuusiportaisen asteikon avioerotodennäköisyyksille kunnittain vuonna 2022. Alla kuvassa 2 on avioerotodennäköisyydet vuosittain kunnittain esitettynä koropleettikartalla.
Kuva 2: Avioeron todennäköisyys eri Suomen kunnissa
Sinänsä tämä on ihan hyvä kartta, mutta etenkin pienissä kunnissa vuosittainen avioerojen määrä saattoi olla nollasta kolmeen avioeroa. Tässä on varmasti suurta vuosittaista vaihtelua, mikä näkyy suurena vaihteluna eri vuosien välillä. Paremman kartasta saisi, mikäli ottaisi tarkasteluun esimerkiksi kymmenen vuoden avioerot. Tämä vaatisi hiukan taulukko-ohjelmistossa laskutoimituksia, mutta olisi melko helposti tehtävissä. Päätin kuitenkin tässä harjoituksessa opetella tuomaan dataa ja visualisoimaan sitä melko yksinkertaisesti. Tämä kuitenkin toi huomattavasti luottoa omaan tekemiseen jatkossa, erittäin hyvä harjoitus.
Lähteet:
Importing Spreadsheets or CSV files https://www.qgistutorials.com/en/docs/importing_spreadsheets_csv.html [Viitattu: 18.1.2024].
Hi, this is a comment.
To get started with moderating, editing, and deleting comments, please visit the Comments screen in the dashboard.
Commenter avatars come from Gravatar.