1 – Menetelmistä mainioin: kokeilemalla oppiminen


QGIS:n paluu

Ensimmäisellä kurssikerralla harjoiteltiin QGIS-ohjelmiston perusteita työstämällä HELCOM-maiden typpipäästöjä kuvaavaa aineistoa. Tuotokseni on nähtävillä kuvassa 1.

Kuva 1. HELCOM-maiden typpipäästöjen osuudet (%). [Suurenna klikkaamalla kuvaa.]
Kartalla käytetään kolmea luokkaa HELCOM-maiden typpipäästöjen osuuksien esittämiseen. Kurssikerralla huomattiin, että erilaisia luokkarajoja ja luokkien lukumäärää säätämällä saadaan varsin erilaisia esityksiä. Tässä kartassa päädyttiin käyttämään kolmea luokkaa. Puola asettuu tässä jaossa suurimpana päästöjen lähteenä yksin omaan luokkaansa. Puolan prosenttiosuus oli annetun aineiston mukaan 33,7, joten legendassa esitetty luokkaraja 13,3-33,7 on jokseenkin erikoinen. Toisaalta vain kartan värikoodaukseen keskittymällä saadaan kyllä mielestäni varsin todenmukainen käsitys siitä, minkälaisia eroja maiden välillä esiintyy. Nea Tiainen erittelee blogissaan (21.1.2022) typpipäästöjen vaikutuksia Itämereen ja on selvittänyt, että Puolassa maatalous tuottaa 50 % maan typpipäästöistä.

Kartassa esitettävien järvien ja Itämeren välinen väriero ei ole kovin huomattava, eli siitä olisi halutessaan voinut tehdä selkeämmän. Toisaalta harvalla karttani tarkastelijalla olisi luultavasti vaikeuksia erottaa merialuetta järvistä, vaikka kaikki vesistöt olisi kuvattu samalla värillä. Järvien esittäminen kartalla ei mielestäni edes tuo juurikaan lisäarvoa kartalle. Syvyyskäyrätkin jätin tarkoituksella hyvin huomaamattomiksi, koska ne vain ohjaavat huomiota pois kartan otsikon mukaisesta aiheesta.

Ali Ylikoski huomioi blogikirjoituksessaan (7.2.2022), että järviaineistossa esitetään Itämeren valuma-alueen järvet. Näin ollen hän ajautuu pohtimaan, esitetäänkö esimerkiksi Valko-Venäjältä valuvat typpipäästöt osana jonkin HELCOM-maan päästöjä. Ylikoski ottaa myös esille sen seikan, että vaikkapa Puolan väkiluku on noin seitsenkertainen Suomen väkilukuun verrattuna.

Tekemällä oppiminen on minulle ollut aina se mieluisin itsensä sivistämisen keino. Tekemällä oppimisen alalajina pidän kokeilemalla oppimista, joka kuvaa hyvin kuvan 1 valmistusprosessia. Esimerkiksi valtioiden nimien näyttäminen kartalla ja asemointi onnistui yllättävän helposti, kunhan ensin löysi oikean työkalun valikkoriviltä. “Nimilappu abc-tekstillä” on melko luonteva kuvake kyseiselle työkalulle.

Toisen käteväksi osoittautuneen kokeilun tein laskettaessa maiden typpipäästöjen suhteellisia osuuksia. Kurssilla toimittiin turvallisen havainnollisesti laskien typpipäästöjen kokonaismäärä ensin yhteen ja käyttäen tätä paperin kulmaan kirjoitettua lukua sitten osana N_suht-sarakkeen laskutoimitusta. Mielestäni kätevämmin homma voidaan hoitaa esimerkiksi käyttäen seuraavaa kaavaa field calculatorissa: “N_total”/sum(“N_total”)*100

QGIS-ohjelmisto oli vanha tuttu jo Johdatus geoinformatiikkaan maantieteessä -kurssilta. Hieman hämmentävää oli, että johdantokurssilla QGIS-ohjelmaa käytettiin varsin vaativien projektien tekemiseen erittäin tarkkojen kirjallisten ohjeiden avulla. Geoinformatiikan menetelmät 1 -kurssilla käydyt ohjelman peruskäyttöön liittyvät taidot olisi ehkä ollut luontevampaa opetella ennen intersection-analyysin tai ilmakuvien digitoinnin tekemistä… Olen kuitenkin iloinen siitä, että ohjelman käytön opettelu tuntuu varsin mieluisalta puuhalta sen sijaan, että kurssi olisi niin sanotusti pakkopullaa. Olen tekemällä ja kokeilemalla oppinut suunnistuskartoitustyössä käyttämäni OCAD-ohjelman salat, ja QGIS:n käyttöönotto näyttää edistyvän samoin menetelmin hyvällä sykkeellä.


Kuntarajoista läppärin äärirajoille

Kotosalla ryhdyin puuhastelemaan Suomen kuntien avainlukujen kanssa. Selailin Tilastokeskuksen sivuilta kuntiin liittyviä tilastoja, ja päädyin valitsemaan kuntien väkiluvun muutosta kuvaavan aineiston. Tuotostani voi tarkastella lähemmin klikkaamalla kuvaa 2.

Kuva 2. Väkiluvun muutos edellisestä vuodesta 2020 (%). [Suurenna klikkaamalla kuvaa.]
Projektin edetessä QGIS alkoi kuitenkin enenevissä määrin jäätyä, ja kaatuminen vaikutti olevan lähellä monta kertaa. Rauhallisesti edeten työ saatiin kuitenkin kunnialla maaliin.

Karttani toivottavasti kertoo itse, mitä se kuvaa, joten en avaa sitä tässä. Mielestäni värimaailma on varsin sopusuhtainen. Trendi kaupunkikeskusten kasvamisesta ja vähemmän vetovoimaisten kuntien kuihtumisesta tulee hyvin esille. Esimerkiksi Helsingin, Tampereen, Turun ja Oulun liepeillä näkyy punaisen sävyjä.

Tässäkin työssä tekemällä ja kokeilemalla opittiin uusia taitoja erilaisten legendaa, kuntien visualisointia ja luokkarajoja koskevien hienosäätöjen kautta. Ulkoasuun liittyvien yksinkertaisten toimenpiteiden haltuunottoa suosittelen muillekin kurssilaisille, sillä ainakin omasta mielestäni mikä tahansa “oletusasetuksista” poikkeava visualisointi kiinnittää mielenkiinnon varsinkin tällä kurssilla, jolla kukin tarkastelee useita samankaltaisia karttoja.

Kuva 3. Nautojen määrä kunnittain 1.5.2020. [Suurenna klikkaamalla kuvaa.]

Myöhemmin päätin vielä harjoitella Join-toiminnon käyttöä QGIS-ohjelmalla etsimällä aineiston, joka ei ollut valmiiksi osana SHP-tiedostoa. Tuloksena syntyi kuvan 3 kartta. Siinä Kuopio, Kiuruvesi ja Kurikka pääsevät ansaitusti omaan luokkaansa merkittävien nautamääriensä johdosta. Tilasto ei kuitenkaan ole täysin luotettava, sillä esimerkiksi Viikin tutkimustilan ja Haltialan kotieläintilan naudat eivät ole tilastoon päätyneet, enkä tälle puutteelle löytänyt selitystä aineiston metatiedoista. Viikissä oli vuoden 2021 toukokuussa 65 lehmää (Helsingin yliopisto, 19.5.2021). On siis hyvä pitää mielessä, että epäluotettavuutta voi esiintyä myös luotettavan oloisten lähteiden aineistoissa.

Koropleettikarttojen tekeminen ja luokkarajojen sovittaminen auttoi ymmärtämään, että kartantekijällä on huomattavan paljon valtaa. Erilaisilla luokituksilla voidaan saada aikaan varsin erilaisia esityksiä, jotka ohjaavat kartan lukijoita tekemään erilaisia tulkintoja. Esimerkiksi medioissa tulee jatkuvasti vastaan erilaisia karttaesityksiä, joista pitäisi tiedon todenperäisyyden lisäksi siis osata arvioida tiedon esitystavasta johtuvaa vaikutusta tulkintoihin ja mielikuviin. Veikkaanpa, että maallikot ottavat edellä mainituista kriittisen tarkastelun näkökulmista keskimäärin 0-1 kappaletta huomioon katsellessaan karttoja. Valveutuneempikin kartan katselija saattaa unohtaa arvioida karttaa molemmista näkökulmista. Eeva Raki huomioi blogikirjoituksessaan (19.1.2022) lisäksi, että karttoja ja niiden sisältöjä voidaan manipuloida esimerkiksi esteettisistä, poliittisista tai ekonomisista syistä.

Palataan pian astialle, elikkäs ei muuta kuin takaisin sorvin ääreen.


Lähteet

Helsingin yliopisto. (19.5.2021). Viikin lehmät kirmasivat laitumelle – lataa klipit ja kuvat mediasi käyttöön! Viitattu 25.1.2022: https://www.sttinfo.fi/tiedote/viikin-lehmat-kirmasivat-laitumelle-lataa-klipit-ja-kuvat-mediasi-kayttoon?publisherId=3747&releaseId=69909300

Raki, E. (19.1.2022). Ensimmäisen kurssikerran harjoitus. Oppimassageoinformatiikkaa. Viitattu 16.3.2022: https://blogs.helsinki.fi/eevaraki/2022/01/19/ensimmaisen-kurssikerran-harjoitukset/

Tiainen, N. (21.1.2022). Tapaamme jälleen QGIS. Melkein gis-guru siis itsekin. Viitattu 25.1.2022: https://blogs.helsinki.fi/tiainea/2022/01/21/tapaamme-jalleen-qgis/

Ylikoski, A. (7.2.2022). Kurssikerta 1: QGISiin tutustuminen ja siitä innostuminen. Alin geoinformatiikkablogi. https://blogs.helsinki.fi/alingeoinformatiikka/2022/02/07/kurssikerta-1-qgisiin-tutustuminen-ja-siita-innostuminen/

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *