QGIS-hommat tulille

Ensimmäisen kurssikerran jälkeen päällimmäinen tunne oli hämmennys. Aivan uuden tietokoneohjelman opettelu etänä tuntui haastavalta etenkin, kun en ole aiemmin käyttänyt mitään varsinaista GIS-ohjelmaa. Vaikeuksia lisäsi hiiren puute – aina kun yritin zoomata lähemmäs tai liikutella karttaa trackpadilla koko työ katosi näkymättömiin. Pidin suosiolla muutaman päivän taukoa ennen kuin lähdin uudestaan taistelemaan tuulimyllyjä vastaan, hiirikaupan kautta. Oli kyllä heittämättä paras ostos pitkään aikaan tuo hiiri, helpottaa elämää huomattavasti.

Nyt pari päivää myöhemmin luentovideoiden säestyksellä käärin hihat ja ryhdyin askartelemaan karttojen kanssa uudemman kerran ja maailma näytti onneksi huomattavasti ensimmäistä kertaa kirkkaammalta. Ennen luentovideoiden löytämistä useampi luennon asia oli minulta unohtunut tai mennyt ohi. Ihmettelin esimerkiksi kartan eri osissa esiintyvää ”tähtisumua”, joka osoittautui järvien ääriviivoiksi ja siitä pääsi eroon tekemällä ääriviivoista läpinäkyviä. Videon katsomisen jälkeen perusjutut, kuten layereiden lajittelu ja niiden ominaisuuksien muokkaus samoin kuin print layoutissa legendan, pohjoisnuolen ja mittakaavan lisääminen onnistuivat hyvin. Muokkasin ensin kurssikerran harjoituskartan edustuskuntoon: haalensin kartalta maat, jotka eivät liity kartalla esitettävään muuttujaan ja päätin rohkeasti ottaa vapauden poistaa meren syvyyskäyrät näkyvistä, jotta kartta olisi visuaalisesti miellyttävämpi.

Kuva 1. Itämeren typpipäästöjen osuus valtioittain.

Yritin etsiä harjoitukseen sopivaa dataa Googlella hakien, mutta en tovin yrittämisellä onnistunut löytämään mitään koropleettikartalle sopivaa koko maata koskevaa ja kunnittain jaoteltua tietoa. Lueskelin muiden kurssilaisten blogeja ja Annika Innasen blogista sain hyvän vinkin, Sotkanet on oivallinen lähde Suomen kuntia koskevalle tilastotiedolle (Innanen 2021). Sotkanet olisi pitänyt olla syksyisen Tiedon esittäminen maantieteessä -kurssin pohjalta tietysti itselläkin aivan kielen päällä, mutta eipä ollut – joululoma lienee tehnyt tehtävänsä.

Hetken Sotkanetin aineistoja selailtuani päätin tutkia yhden hengen talouksien osuutta kaikista kotitalouksista Suomen kunnissa. Se olikin helpommin sanottu kuin tehty. Luin läpi useampia netin QGIS tutoriaaleja, kuten www.qgistutorials.com, ja onnistuin yhdistämään csv-muotoisen tiedon kuntakartan attribuuttitauluun. Useista yrityksistä ja ohjeista huolimatta en kuitenkaan saanut käännettyä tietoa numeromuotoon enkä (ilmeisesti) siksi onnistunut avaamaan sitä kuntalayerin properties-valikon kautta. Noh, toivon mukaan tähän saadaan oppia myöhemmillä kurssikerroilla.

Peruutin niin sanotusti vähän taaksepäin ja tein helpomman harjoituksen, jossa käytettiin olemassa olevaa kunta-aineistoa. Valitsin visualisoitavaksi muuttujaksi työttömyysprosentin Suomen kunnissa. Tämä olikin sitten aika suoraviivainen homma, kun olin säätänyt enemmän kuin riittävästi harjoituskartan kanssa ja tässä aineistossa muuttujakin oli jo valmiiksi prosenttilukuna.

Kuva 2. Työttömien osuus (%) väestöstä Suomen kunnissa vuonna 2015. Sotkanet 2015.

Laatimani kartan avulla voidaan tarkastella työttömyyden jakautumista kuntatasolla eri puolilla Suomea. Jaoin muuttujan viiteen eri luokkaan, mikä kuvaa mielestäni aika sopivasti alueet, joilla on erityisen vähän tai erityisen paljon työttömyyttä. Karttaa tarkastelemalla havaitsen, että pääpiirteittäin pienin työttömyysprosentti on Etelä- ja Länsi-Suomessa sekä Ahvenanmaalla, korkein puolestaan Itä- ja Pohjois-Suomeesa. Mielenkiintoisena kuriositeettina täytyy mainita pieni tummanpunainen piste, Kaskinen, muuten kovin valkoisen Pohjanmaan kyljessä. Hain tietoa siitä, miksi työttömyys Kaskisissa on korkeampi kuin muualla Pohjanmaalla ja Paperiliiton sivuilta selvisi, että siellä on lopetettu paperitehdas vuonna 2009. Veikkaan, että tehtaan lopettamisen aiheuttama rakennetyöttömyys ja sen kerrannaisvaikutukset näkyvät vielä tässä vuoden 2015 aineistossa. Kontrasti on tietysti erityisen suuri myös siksi, että työttömyysaste muualla Pohjanmaalla on hyvin matala.

… ja sitten takaisin asiaan. Mielestäni QGIS:n valmis punasävyinen värilajitelma sopii hyvin valitsemani muuttujan esittämiseen. Korkean työttömyyden alueet näkyvät loogisesti tummanpunaisena ja matalan työttömyyden alueet valkoisena. Värit ovat kuvaavia ja selkeästi erottuvia.

Täytyy nyt vielä seurailla muiden blogeja, jos jollain on ollut samaa ongelmaa csv-aineistoon liittyen, jotta pääsisi askeleen eteenpäin näissä GIS-hommissa ja monipuolisempien aineistojen pariin.

Loskaista viikonloppua ja tsemppiä kurssin alkutaipaleelle kaikille kurssikavereille!

Lähteet:

Innanen, Annika. Harjoitus 1: Koropleettikartan laatiminen QGISissä. Sivulla käyty 22.1.2021.  https://blogs.helsinki.fi/anninnan/2021/01/22/harjoitus-1-koropleettikartan-laatiminen-qgisissa/ 

Työttömyys Suomen kunnissa. Sotkanet 2015. https://sotkanet.fi/sotkanet/fi/haku

4 Replies to “QGIS-hommat tulille”

Leave a Reply

Your email address will not be published.