Kurssin ensimmäisellä neljän tunnin työskentelykerralla pääsimme heti tekemään töitä QGIS:in parissa. Ohjelmisto oli minulle jo ennestään jonkin verran tuttu, sillä ensikosketukseni siihen sain jo ensimmäisessä periodissa Johdatus geoinformatiikkaan maantieteessä -kurssilla. Silloin tutuksi tulivat muun muassa kartan elementtien värien ja tyylien muokkaaminen sekä karttaselitteiden, pohjoisnuolen ja mittakaavan lisääminen. Ensimmäisellä viikolla teimme tunnilla tehtävän kartan lisäksi myös omatoimisesti tehtävän toisen kartan.
1. Harjoitus: Itämeren valtioiden typpipäästöt
Ensimmäisellä kurssikerralla pääsimme syventämään QGIS-taitojamme Artun johdolla. Tarkastelimme projektin aineistoja ja ominaisuustaulukkoja. Tavoitteenamme oli tehdä koropleettikartta, jolla esitetään Itämeren typpipäästöt valtiokohtaisesti. Kartan luomiseksi meidän täytyi laskea uutta dataa jo olemassa olevan datan pohjalta. Pienten vaikeuksien kautta sain jutun juonesta ainakin riittävän hyvin kiinni (kiitos Selman ja Heinin!). Uuden datan luominen tapahtui typen päästöt valtioittain suhteuttavan laskulausekkeen avulla.
Uuden datan luomisen jälkeen muokkasimme datan ominaisuuksia ja valitsimme Style-valikosta datan esitystavaksi vaihtoehdon Graduated. Näin saimme muuttujalle eri luokkia, joiden värejä kykenimme muokkaamaan mieleisiksemme. Myös luokitteluvaihtoehtoja oli useita, joista valita. Tässä työvaiheessa korostui kartantekijän omat valinnat sen kannalta, miltä varsinainen lopputulos näyttää ja mitä mielleyhtymiä se kartan lukijalle välittää. Värien valinnat ja datan luokittelutavat vaikuttivat kartan ilmeeseen. Päädyin valitsemaan luokittelutavaksi luonnolliset luokkarajat (Natural Breaks). Värisävyiksi valitsin punertavat sävyt, joita jouduin hiukan muokkaamaan, jotta mikään värisävy ei korostuisi liikaa muihin sävyihin nähden. Kuvassa 1 on harjoituksen valmis tuotos koko komeudessaan.
Myös Annasofia pohtii blogissaan kartan värien välittämiä mielikuvia ja kartan visuaalisuuteen liittyviä seikkoja. Annasofia kirjoittaa esimerkiksi värien aiheuttamista positiivisista ja negatiivisista mielleyhtymistä. Hän käyttää kartassaan punaisia sävyjä, sillä punainen väri viestii kuvattavan ilmiön haitallisuudesta ja vaarallisuudesta. Päädyin myös itse tekemään näin, sillä suuret typpipäästöt yleensä mielletään negatiiviseksi asiaksi. Näillä värivalinnoilla Puola erottui kartasta selkeästi suurimpana typpipäästöjen aiheuttajana. Taika puolestaan nostaa blogissaan esille kartan saavutettavuuden; punaisen värit tekevät punavihersokeille kartan lukemisesta haasteellista. Taika käyttää kartassaan vaaleanpunaisen sävyjä (joku saattaisi kartan nähdessään hihkaista “slay! <3”), mutta arvelee niidenkin olevan liiaksi punertavia niin, etteivät punavihersokeat pysty tulkitsemaan karttaa riittävän hyvin. Värivalinnoilla on siis suuri merkitys kartan luettavuuden ja sen välittämien mielikuvien kannalta. Jälkeenpäin ajateltuna jokin muu väri kuin punainen olisi voinut olla parempi valinta kartalla juuri saavutettavuuden näkökulmasta.
2. Harjoitus: koropleettikartta Suomen kunnista
Toisessa harjoituksessa jatkettiin QGIS-ohjelmiston käytön opettelua tekemällä koropleettikartta Suomen kunnista. Valitsin kartalla kuvattavaksi muuttujaksi ruotsinkielisten osuuden väestöstä. Tällä kertaa valitsin muuttujan osuuksia kuvaavaksi sävyksi sinisen, jotta kartta olisi hyvin saavutettavissa myös niille, joiden on vaikea erottaa punaisen ja vihreän sävyjä. Kuvassa 2 on valmis ruotsinkielisten osuuksia Suomen kunnissa kuvaava kartta.
Kuvan 2 mukaisen kartan tekeminen oli huomattavasti kuvan 1 karttaa nopeampi ja vaivattomampi prosessi. Siitä huolimatta myös kuvan 2 kartan tekemisessä riitti pohdittavaa muun muassa muuttujan luokitteluvälien valinnassa. Koska tiesin jo ennestään länsi- ja etelärannikolla sekä Ahvenanmaalla olevan paljon ruotsinkielisiä verrattuna muuhun Suomeen, oli muuttujan visualisointi hiukan helpompaa kuin tilanteessa, jossa en tietäisi muuttujan esiintyvyydestä juuri mitään. Kokeilin erilaisia tapoja luokitella muuttujaa. Osa luokittelutavoista sai ruotsinkielisten osuudet näyttämään melko suurilta verrattuna valitsemaani luonnollisten luokkarajojen luokittelutapaan. Arvioin, että valitsemallani luokittelutavalla kuvattava ilmiö esitetään melko todenmukaisesti. Kartasta tuli muutoin mielestäni melko hyvin onnistunut lukuun ottamatta kartan legendan luokkien epätarkkuutta. Muuttujan luokan valinta on siinä tilanteessa ongelmallista, kun muuttuja saa arvokseen esimerkiksi 12 % tai 31 %, jolloin muuttujan voisi legendan mukaan sijoittaa kahteenkin eri luokkaan. Saman ongelman huomasin nyt myös kuvan 1 kartassa.
Ilokseni huomasin, että toisen harjoituksen kartan tekeminen sujui jo rutiininomaisesti ilman suurempia ongelmia. Löysin kartoistani kuitenkin useita parannuksia ja kehitystä vaativia kohtia, joten uskon tällä kurssilla olevan vielä paljon annettavaa!
Lähdeluettelo:
Toivonen, A. (2024) VIIKKO 1: QGIS:n käytön opettelua ja koropleettikarttoja. Viitattu 25.1.2024. https://blogs.helsinki.fi/annasoto/
Jaakkola, T. (2024) QGIS for dummies ja karttojen laatimisen perusteita. Viitattu 25.1.2024. https://blogs.helsinki.fi/jztaika/
Urban Dictionary. slay. Haettu 25.1.2024 osoitteesta https://www.urbandictionary.com/define.php?term=slay