1. Tutustumista QGIS:iin

Tämä blogi toimii Geoinformatiikan menetelmät 1 -kurssiblogina.

Kurssin ensimmäisellä viikolla tutustuttiin QGIS-paikkatieto-ohjelmistoon, joka perustuu avoimeen lähdekoodiin. QGIS sisältää kattavasti erilaisia työkaluja datan käsittelyyn ja visualisoimiseen, minkä lisäksi ohjelmistosta on mahdollista muokata hyvinkin ”oman näköinen” erilaisilla plugineilla eli lisäosilla.

Aluksi oli hyödyllistä käydä läpi ohjelmiston yleisimmät työkalut – olen käyttänyt QGIS:ia hieman aiemminkin, mutta pikakertaus oli pitkän tauon jälkeen tarpeen. Etenkin Field Calculatorin toiminta ja tietokantojen käsittely kaipaavat paljon toistokertoja ennen niiden käytön hallitsemista.

Aineistona kurssikerralla toimivat HELCOM-merialueen typpipäästöjä kuvaavat vektoritasot (muun muassa maakohtaiset kokonaistyppipäästöt, järvet ja merien syvyyskäyrät). Suhteellinen päästömäärä kuvaa yleensä maiden välisiä eroja paremmin kuin absoluuttiset määrät, joten attribuuttitauluun lisättiin kokonaan uusi sarake prosentuaalisille osuuksille ennen aineiston lopullista tarkastelua.

Lopputuloksena oli tarkoitus laatia mahdollisimman selkeä visualisointi typpipäästöistä Itämerellä. Kartan värimaailmat, sommittelu ja legendan sekä mittakaavan rakentaminen Print Composerissa ovat ainakin minulle joka kerta omanlaisensa haaste. Lopputuloksena syntyi siis kartta (kuva 1), johon olen jälkikäteen katsottuna ihan kohtuullisen tyytyväinen.

Kuva 1. Kartta typen maakohtaisista päästöistä Itämerellä.

 

Kartan värimaailma on mielestäni melko neutraali, eikä mikään varsinaisesti ”hyppää silmään”. Sivun sommitteluun en ole täysin tyytyväinen; ehkä kartta olisi toiminut paremmin pystysuuntaan aseteltuna. Legenda, mittakaava, maiden nimet ja pohjoisnuoli onnistuivat pienen säätämisen jälkeen hyvin. Kartan ulkoasun lisäksi on kiinnostavaa tarkastella sen välittämää tietoa typen päästöistä. Etenkin Puola nousee esiin suhteellisesti suurimpana saastuttajana, mikä ei sinänsä ole yllätys maan maatalousvaltaisuuden takia. Iina Rusanen huomauttaa blogissaan (Rusanen, 2019), että syynä voi olla myös Puolan suuri väkiluku ja pitkään jatkuneet ympäristöongelmat. Suomi näyttää selviävän melko kunniallisesti vertailusta – naapurimaista ainoastaan Viro ja Norja päästävät suhteellisesti vähemmän typpeä Itämereen.

Itämeren kokonaistilanne on jo pitkään herättänyt huolestusta, johtuen muun muassa voimakkaasta rehevöitymisestä. Itämeri on sinänsä poikkeuksellinen merialue, että sen vesi on vähäsuolaista murtovettä, syvyys keskivertoa huomattavasti matalampi ja alueen laivaliikenne hyvin vilkasta. Maatalouden, teollisuuden ja liikenteen aiheuttamia päästöjä on pyritty hillitsemään useilla eri suojeluohjelmilla ja lainsäädännön keinoin (Itämerihaaste, 2019).

Itämeri-tehtävän jälkeen oli vielä vapaamuotoisempi tehtävä, jossa tuli tarkastella Suomen eri kuntien tilastoja ja visualisoida niiden pohjalta mielenkiintoinen kartta/karttoja. Avasin kuntien vektoriaineiston, josta löytyi todella kattavasti erilaisia tilastoja. Päätin tarkastella vielä lähemmin eläkeläisten ja vuokralla asuvien suhteellisia lukumääriä eri kunnissa, koska alueiden väliset erot tulivat näillä muuttujilla hyvin ilmi.

Kuten kuvasta 2 näkyy, eläkeläisten prosentuaaliset osuudet ovat selkeästi suurimmat itäisessä ja osittain myös keskisessä Suomessa. Mielenkiintoista oli myös vertailla eläkeläisten ja työttömien määriä eri kunnissa. Saaga Laapotin blogista (Laapotti, 2019) löytyi kartta, josta kävi ilmi, että työttömiä esiintyy eniten samoilla alueilla kuin eläkeläisiäkin – toisin sanoen itäisessä Suomessa. Ilmiöön vaikuttanee ainakin kyseisten kuntien muuttotappio ja nuoremman työikäisen väestön muuttaminen eteläiseen ja läntiseen Suomeen töiden tai koulutuksen perässä.

Kuva 2. Eläkeläisten osuus kuntien väestöstä Suomessa.

 

Tarkastelin myös vuokralaisten suhteellista määrää eri kunnissa (kuva 3). Kartasta erottuvat hyvin selvästi suuret kaupungit, kuten pääkaupunkiseudun kunnat, Turku, Tampere, Jyväskylä, Kuopio, Joensuu, Oulu ja Rovaniemi. Tämä on odotettavissa, koska suurten kaupunkien asuntojen koot ovat keskimäärin pienempiä ja asuinkustannukset suurempia – toisin sanoen, mitä suurempi kaupunki, sitä enemmän vuokralla asuvia kärjistetysti on.

Kuva 3. Vuokralaisten osuus Suomen kuntien väestöstä.

 

Lainatut lähteet

Itämerihaaste. (27. tammikuu 2019). Noudettu osoitteesta http://www.itamerihaaste.net/tietoa_meista/itameren_tila/itameren_tilaan_vaikuttavat_tekijat

Laapotti, S. (27. tammikuu 2019). Hyppy QGIS:in syövereihin. Noudettu osoitteesta https://blogs.helsinki.fi/saagalaa/

Rusanen, I. (27. tammikuu 2019). QGIS tutuksi. Noudettu osoitteesta https://blogs.helsinki.fi/iinarusa/

Leave a Reply

Your email address will not be published.