Kurssikerta 7. Tasmanian devil

Viimeinen kurssikerta oli täysin vapaamuotoinen ja jokainen päätti lähes täysin itse sen mitä aikoo tehdä ja tuottaa viimeisen kurssikerran aikana. Tarkoituksena oli hyödyntää aikaisemmin oppimiamme taitoja ja soveltaa niitä siten, että tuotimme juuresta alkaen itse oman paikkatiedon. Juuresta alkaen -sanonnalla tarkoitan sitä, että aineistot karttojen tekoon oli etsittävä itse internetistä aikaisemmin valmiiksi annettujen sijaan. Tämä löydetty aineisto piti sitten muuttaa sellaiseen muotoon, että sitä pystyi QGIS:ssä hyödyntämään ja visualisoimaan.

Minä päätin viimeisellä kerralla tuottaa koropleettikarttoja, ja aluksi täytyi valita jokin kiinnostava alue. Tätä pähkäillessä menikin tovi, sillä en ainakaan helpolla keksinyt aluetta, joka olisi ollut tarpeeksi uniikki, mutta että siitä olisi ollut myös mahdollista löytää edes jonkinlaisia tilastoja. Kuitenkin päädyin lopulta valitsemaan tutkittavaksi alueeksi Tasmanian. Alueena se on erittäin kiinnostava, niin kuin Australia yleensäkin. Vaikuttavia tekijöitä sen kiinnostavuuteen on se, että se on Suomeen verrattuna lähes toisella puolella maapalloa täysin erilaisessa ympäristössä, mutta se omaa kuitenkin länsimaisen kulttuurin, emmekä siis eroa kulttuurillisesti hirveästi toinen toisistamme. Olisikin erittäin mielenkiintoista päästä joskus käymään kyseisessä paikassa, varsinkin tämän blogikirjoituksen jälkeen, kunhan olen saanut ensin tutkimustuloksia kyseisestä alueesta. Minulle tuli eteen kuitenkin sama tilanne, jonka Ella Paasilinna mainitsi viimeisessä blogikirjoituksessaan. Aineiston löytäminen ei totisesti ollut helppoa. Jouduin ärsytyksekseni käyttämään monta tuntia erilaisten australialaisten ja tasmanialaisten tilastokeskusten selailemiseen. Harmikseni tajusin lopulta valinneeni sopivaksi lähteeksi sen sivuston, mitä olin heti ensimmäisenä tarkastellut. Jo tehtävän alkupuolella opin miten vaikeaa ja puuduttavaa tiedon hankita voi olla, kun lähdetään liikkeelle aivan nollasta

Tasmania on siis yksi kuudesta Australian osavaltiosta. Se on pinta-alaltaan sekä väkiluvultaan pienin näistä kuudesta. Tasmania jakautuu edelleen 29:ään eri paikallishallintoalueeseen. Tässä tutkimuksessa päätin käyttää aluejakona juuri näitä 29:ää eri hallintoaluetta, koska se sopi juuri hyvin tehtävänantoon, jossa toivottiin tutkittavan alueen jakautuvan maksimissaan 30 pienempään osaan.

Kuva 1. Tasmanian väestökartta

Aluksi päätin tehdä perinteisen väestökartan (kuva 1.), joka selventäisi maallikolle, miten väestö jakautuu eripuolella tätä saariosavaltiota ja minkälaisista väestömääristä on kyse. Kuten kartasta huomata saattaa, väestömäärät ovat erittäin pieniä. Itseasiassa niin pieniä, että koko Tasmanian väkiluku (reilu 500 000) ei yllä edes Helsingin väkilukuun. Tämä oli suorastaan jopa shokki, sillä olisin voinut jopa vannoa, että Tasmaniassa asuu tätä enemmän ihmisiä. Joka päivä oppiin näköjään jotain uutta. Väestö näyttäisi jakautuvan enimmikseen rannikolle ja eritoten pohjoisrannikolle lähimmäs pääsaarta. Ymmärrettävää sinänsä, sillä Tasmania on varmasti hyvin paljon riippuvainen resursseista ym. jotka tulevat muualta Australiasta ja siksi onkin ymmärrettävää, että asutus keskittyy lähimmäs sitä. Saaren keskiosa on lähimpänä periferiaa. Se johtuu varmasti luonnonmaantieteellistä sekä kulttuurimaantieteellisistä tekijöistä. Tasmaniassa on suuret korkeusvaihtelut ja vuoristoisimmat seudut sijoittuvat juuri saaren keskiosaan. Satamat ovat olleet kautta Australian historian tärkeässä roolissa valtion niin etäisen sijainnin takia, joten siksi on myös ymmärrettävää, että asutus keskittyy rannikolle.

Kuva 2. Tasmanian työttömyysprosentit

Toiseksi tarkasteltavaksi muuttujaksi valitsin työttömyyden (kuva 2.). Valitsin luokkaväliksi yleisen luonnollisten luokkarajojen sijasta tasaväliset luokkarajat, jossa jokaisen luokkarajan väli oli yksi prosenttiyksikkö. Jo tässä vaiheessa voin huomauttaa, että paremminkin olisi voinut valita nämä luokkarajat ja kiinnittää huomiota väritykseen. Huonoimmin menevässä paikallishallintoalueessa Break O’Day:ssä työttömyysprosentti on reilu 10. Tumma väritys saa sen kuitenkin näyttämään vielä pahemmalta kuin mitä se todellisuudessa on. Liian ankara ei saa itselleen kuitenkaan olla ja ehkä se tässä tilanteessa oli ihan hyvä, että korostuksia alueiden välisiin aroihin tuli ja melko räikeitäkin. Kiinnostavaa on huomata näiden kahden esitetyn kartan välillä, että ne ovat lähestulkoon kääntäen verrannolliset. Ne hallintoalueet, joissa on vähiten ihmisiä, ovat lähes poikkeuksetta voimakkaimpien työttömyysprosenttien kourissa. Tilanne menee myös toiseen suuntaan eli väkirikkaissa hallintoalueissa tuntuu löytyvän myös töitä. Tämä on hyvin länsimainen skenaario ja on näkyvissä myös esim. Suomessa. Suuret kaupungit kuten Helsinki tarjoavat eniten työllistymismahdollisuuksia, kun taas haja-asutusalueet kärsivät työttömyydestä. Verrattuna koko Australian työttömyyteen, on Tasmania aika samalla tasolla. Koko Australiassa työttömyys% on 5,6 ja Tasmanian keskiarvo osuu hyvin lähelle samaa.

Kuva 3. Lukion suorittaneet

Viimeisenä päätin tarkastella miten koulutustaso vaikuttaa työttömyyteen vai vaikuttaako se ollenkaan. Siispä tein kartan (kuva 3.), jossa on kuvattuna lukion suorittaneiden prosentuaaliset määrät hallintoalueittain. Tässä kartassa huomio kiinnittyy etelärannikkoon. Siellä, erityisesti Hobartin kaupungin alueella näyttäisi olevan paras koulutustaso. Jos taas verrataan tilannetta väkirikkaaseen pohjoisrannikkoon, ei siellä näyttäisi koulunkäynti olevan läheskään niin suuressa roolissa. Häkellyttävintä on länsirannikon hallintoalueet, joissa lukion suorittaneita on alle neljäsosa. Elinkeino perustuu näissä paikoissa ehkä enemmän maatalouteen tai turismiin ym. Sellaiseen, johon ei tarvitse korkeakoulutusta. Hobartin kaltaisissa kaupungeissa korkealla koulutustasolla pärjää useimmiten parhaiten, koska näitä vaativat teollisuuden alan työpaikat asettuvat yleensä niihin. Aikaisempaa mainitsemaani koulutuksen ja työttömyyden korrelaatiota löytyy myös hiukan. Esim. juuri länsirannikolla työttömyystaso on melko korkea ja koulutustaso hyvin alhainen. Etelärannikon asutuskeskittymissä puolestaan homma menee täysin toisin päin.

Näin olen siis saanut pintaraapaisun siitä mitä on tuottaa omaa paikkatietoa ja miten sen avulla voi analysoida eri alueita. Alussa se on todellakin haastavaa ja on turvallista sanoa, että tässäkin asiassa harjoitus tekee mestarin. Se on kuitenkin aivan tajuttoman ihana tunne, kun löytää internetistä tietoa, jota voi hyödyntää ja visualisoida sekä tämän jälkeen analysoida ja verrata muuhun keräämäänsä tietoon. Sen tunteen ansoista voi todellakin sanoa ansainneensa sen päivän opintotuen, koska silloin tietää oikeasti tehneensä töitä.

Lähteet:

Ella Paasilinna – Kurssikerta 7. Viimeinen kerta tuli ja meni, https://blogs.helsinki.fi/elpaelpa/2018/04/03/kurssikerta-7-viimeinen-kerta-tuli-ja-meni/, luettu 4.4.2018

Australia Bureau Of Statistics, http://stat.abs.gov.au/itt/r.jsp?databyregion&ref=CTA2, luettu 3.4.2018

Trading Economics, https://tradingeconomics.com/australia/unemployment-rate, luettu 4.4.2018

Kurssikerta 6: Opetuksen opettelu

Tässä blogikirjoituksessa ja harjoituksessa tutustuin eritoten maailmanlaajuisiin hasardeihin ja niiden sijoittumiseen maapallolla. Tavoitteena oli tuottaa materiaalia, joita voisin opettajana käyttää tuntiopetuksessa ja tätä varten tuotinkin kaksi erilaista karttaa. Onnistuminen on taas katsojan silmissä, mutta ainakin pääsin pähkäilemään taas QGIS:in parissa ja sain tuotettua muutaman harmaan hiuksen.

Kurssikerta alkoi kuitenkin Epicollect5-sovellukseen tutustumisella. Ennen kurssikertaa oli käsketty ladata kyseinen datankeräyssovellus ja kurssikerran aluksi lähdimme lähiympäristöön, tarkemmin sanottuna Kallioon kiertelemään ja keräämään lokaatioita juuri lataamaamme sovellukseen. Sovellus käytti kännykän sijaintipalveluita hyväkseen ja siihen pystyi tallentamaan jonkun tietyn pisteen, joka sitten näkyi muille käyttäjille, jotka olivat samassa sovellusryhmässä mukana. Lopuksi saimme siis koostettua kaikkien tallentamien paikkojen avulla pistemuotoisen kartan, jonka pystyi avata QGIS:ssä esim. Google Mapsin tai OpenStreetMapsin avulla. Oman paikkatietoaineiston tuottaminen oli yllättävän mukavaa, koska samalla sai raikasta ulkoilmaliikuntaa. Kuitenkin selväksi tuli, että laajemmassa mittakaavassa tällaisen pistemuotoisen paikkatietoaineiston tuottaminen pelkällä apostolin kyydillä on erittäin työlästä.

Varsinaisessa harjoitustehtävässä paneuduttiin siis luonnonhasardeihin. Itse valitsin tutkittaviksi hasardeiksi maanjäristykset sekä tulivuoret ja päätin selvittää miten niiden yhtäläisyydet näkyvät kartalla.

 

Kuvassa 1. näkyvät kaikki maapallon maanjäristysalueet ja kuinka voimakkaita järistyksiä missäkin esiintyy. Kuvassa 2. on kuvattuna litosfäärilaatat. Järistyksistä löysin aineiston, johon oli kirjattu kaikki maailmassa tapahtuneet maanjäristykset ja listattuna oli sekä niiden sijainti että voimakkuus. Hälytyskellot alkoivat soida päässäni ja tajusin, että lopputuloksesta tulee aivan liian raskas, jos alan listaamaan ja esittämään jokaista tapahtunutta maanjäristystä. Aineiston kanssa pystyi onneksi kuitenkin leikkiä siten, että pysytyin valitsemaan tietyn järistysvoimakkuuden, tässä tapauksessa 6,2 magnitudia, joka toimi rajapyykkinä ja lopulliseen esitykseen tuli vain tätä voimakkaammat järistykset. Näin opin rajaamaan dataa omien käyttötarkoitusten mukaan ja sain karsittua kaiken ylimääräisen ja turhan tiedon pois.

Kuva 1. Maanjäristykset ja niiden voimakkuudet

Kuva 2. Litosfäärilaatat, Peda.net

Karttaa tarkemmin tarkastellessa ja mitä kuvitteellisille oppilaillenikin huomauttaisin, on eritoten järistysten sijainti. Varmaan jopa yläasteikäisetkin maantieteen opiskelijat huomaavat, että maanjäristykset sijoittuvat litosfäärilaattojen törmäys-, erkanemis- ja sivuamiskohtiin. Ne menevät käsikädessä toistensa kanssa ja niiden molempien oppiminen on helpompaa, koska yhteinen tekijä on aina helppo muistisääntö. Voimakkuudella on kuitenkin suuria vaihteluita ympäri maapalloa. Yleiskuvan mukaan tallennettuja maanjäristyksiä on tapahtunut hurjasti. Erityisesti voimakkaat järistykset sijoittuvat Kaakkois-Aasian suunnalle. Filippiinien laatta on selvästi kaiken tapahtuman keskiössä ja erityisesti Euraasian laatan ja Indo-Australian laatan törmäyskohta on eräänlainen hot spot. Muistammehan vieläkin tuhoisan tapaninpäivän tsunamin Intian valtamerellä vuonna 2004. Tämä oli seurausta voimakkaasta maanjäristyksestä, joka sitten sai suuret vesimassat liikkeelle. Tällä alueella onkin tapahtunut erittäin voimakkaita, yli kahdeksan magnitudin järistyksiä. Näin olen saanut mielestäni selvästi esitettyä paikkatietoa maanjäristyksistä siten, että joku voisi jopa oppiakin siitä jotain. Koska yhdistin vielä tunnetun esimerkin asian tueksi, on oppiminen taattua.

Kuva 3. Maapallon merkittävät tulivuoret

Kuva 4. Maanjäristykset, MappingTools

Kartassa 3. on esitettynä maapallon merkittävimmät tulivuoret ja niiden alueellinen sijoittuminen. Mitä voimme taas huomata karttaa tutkimalla? Näyttäisi olevan niin, että tulivuorten sijoittuminen lyöttäytyy kolmanneksi pyöräksi maanjäristysten ja litosfäärilaattojen yhteyteen. Tämänkin yläastelainen varmasti tietää, joten ei sillä saralla mitään uutta. Onko näillä kolmella ja niissä esiintyvillä voimakkuuksilla sitten suurempaa yhteyttä? Aikaisemmin mainittu seismisen aktiivisuuden voimakkuus Kaakkois-Aasian alueella näkyy myös tulivuorten runsaana esiintymisenä. Alue niin sanotusti kuhisee tulivuoria ja ne muodostavat tietyllä tapaa jopa kauniita helminauhamaisia pitkiä muodostelmia juuri litosfäärilaattojen saumakohtiin. Näin olemme löytäneet selvän yhteyden kahden tutkitun asian välillä ja saaneet liitettyä siihen vielä kolmannenkin.

Näillä aineistoilla voisi mielestäni siis hyvin suorittaa opetusta ja saada oppilaat ymmärtämään luonnonhasardeja ja niiden yhteyksiä. Jos verrataan tekemääni maanjäristyskarttaa internetistä löytämääni vastineeseen (kuva 4.), huomaamme niiden omaavan paljon yhtäläisyyksiä, mikä lisää uskomustani siihen, että jos nyt menisin esim. jollekin yläasteelle näiden kahden kartan kanssa opetustarkoituksessa, ei minun tarvitsisi peitellä naamaani sieltä lähtiessäni, sillä olisin varmasti saanut tuotua esille ajamani asian. Tietysti kartoissani on parannettavaa, ainahan niissä on. Esim. Olivia Halmeen hyvä pointti omassa blogissaan, jossa hän kertoi maailmankartan mittakaavan näyttävän ihan vääriä arvoja QGIS-sovelluksessa, tuli minullekin eteen ja päätin ratkaista asian jättämällä sen kokonaan pois. Tietysti nyt joku sanoo, että kartassa kuuluu olla aina mittakaava ja pohjoisnuoli, mutta päätinkin tällä kertaa, etten laita ja että saan asiani ilmaistua ilman niitäkin. Täydellisyys jää siis nytkin, niin muin yleensäkin uupumaan, mutta alkuperäinen tavoitehan oli tehdä opetusmielessä hyvät kartat ja uskon päässeeni siihen ihan hyvin arvosanoin.

Lähteet:

Olivia Halme – Kurssikerta 6: Tsunamin harjalla, blogs.helsinki.fi/halmeoli/2018/03/30/kurssikerta-6-tsunamin-harjalla/, luettu 3.4.2018

Kuva 2. PedaNet, https://peda.net/oppimateriaalit/e-oppi/lukiot/vantaa2/martinlaakson-lukio/maantiede/karhu/t1mmoo2/ge-uusi-1f/mjt/s/l, luettu 3.4.2018

Kuva 4. MappingTools, https://www.mapping-tools.com/howto/maptitude/case-studies/mapping-earthquakes/, luettu 3.4.2018

Kurssikerta 5: Mielettömät puskurit

Tämän harjoituksen tarkoituksena oli oppia tekemään buffer-analyysejä. Suoraan sanottuna tämä kurssikerta meni itseltä kokonaan ohi, sillä olin lomamatkalla tällä viikolla ja itsenäisesti tämän harjoituksen tekeminen tuntui todella tuskaiselta. Bufferointi on pähkinänkuoressa puskurointia, jota Eveliina Sirola kuvaa hyvin blogissaan: ”Bufferi- eli puskurianalyysin avulla voidaan kartalla määrittää tietyn levyinen vyöhyke valitun tietokannan kohteille. Kohde, jolle vyöhyke määritetään, voi olla piste, viiva tai alue eli polygoni.

Ensimmäiseksi tein analyysin Helsinki-Vantaan ja Malmin lentokenttien ympärille koituvasta meluhaitasta (taulukko 1.). Yhdistelin eri layereille kiitoradat, joiden avulla pystyi laskemaan puskurivyöhykkeet, joiden sisälle jää meluhaittoja. Tunsin onnistuvani tässä tehtävässä ihan hyvin sillä tulokset käyvät mielestäni järkeen. Helsinki-Vantaan lähettyvillä on huomattavasti vähemmän ihmisiä kuin Malmin, mikä on ymmärrettävää lentokenttien kokoeron vuoksi.

 

Asukkaita 2km:n säteellä Malmin lentokentästä 59 742 ihmistä
Asukkaita 2km:n säteellä Helsinki-Vantaan lentokentästä 13 833 ihmistä
Asukkaita 1km:n säteellä Malmin lentokentästä 10 224 ihmistä
Pahin melualue (65dB) 28 ihmistä (0,25%)
Väh. 55dB melualue 11 913 ihmistä
Tikkurilan meluhaitta (60dB) 12 957 ihmistä

Taulukko 1. Meluhaitat lentokenttien läheisyydessä

Seuraavaksi tein puskurivyöhykkeen metro- ja juna-asemien läheisyydelle (taulukko 2.). Tutkin kuinka paljon ihmisiä asuu näiden alueiden lähettyvillä. Toimenpiteet olivat hyvin samanlaisia kuin aikaisemmassa analyysissä. En kuitenkaan päässyt sille aaltopituudelle, jolla olisin saanut työssäkäyvien osuutta aseman läheisyydessä asuvista ihmisistä. Jotain jää selvästi harjoiteltavaksi tulevaisuuteen. Prosentuaalinen osuus väestöstä, joka asuu juna-asemien läheisyydessä, on erittäin suuri – yli viidesosa. Ehkä tämä kertoo siitä, että Suomessa raideliikennettä käyttää jokaisen yhteiskuntaluokan edustajat, eikä esim. varakkaammat ihmiset välttele tätä niin paljon kuin muualla maailmassa.

Alle 500m säteellä asemasta 106 691
Prosentuaalinen osuus väestöstä 21,77%

Taulukko 2. Raideliikenteen läheisyydessä asuvat

Taajamatehtävä (taulukko 3.) oli vielä astetta vaikeampi ja en ole aivan täysin varma saamistani vastauksista. Kuitenkin sain vastaukseksi alla olevia lukuja ja voin ehkä olla ylpeä siitä, että sain edes jotain vastauksia. Taajamassa asuvien osuus on erittäin suuri pk-seudulla ja tiheästi rakennetun alueen vuoksi selvästi korkeampi kuin muualla Suomessa. Yleisesti kuitenkin Suomessa taajama-aste on hyvin korkea ja suurin osa asutuksesta keskittyy juuri sinne (Tilastokeskus).

Asukkaiden osuus taajamissa 84,5%
Ulkomaalaisten osuus alueilla yli 10% 32
Ulkomaalaisten osuus alueilla yli 20% 12
Ulkomaalaisten osuus alueilla yli 30% 6

Taulukko 3. Taajamissa asuvat ihmiset

Viimeisenä harjoituksena tein analyysin Helsingin yhtenäiskoulusta ja siitä mikä on tulevan lukuvuoden tilanne mahdollisten uusien oppilaiden suhteen (taulukko 4.). Uusia oppilaita olisi tulossa 14. Melko pieni määrä, mutta kun vertaa sitä koko Käpylän alueeseen, jossa koulu sijaitsee, huomataan, että siellä on erittäin paljon kouluja eri ikäisille joista muut esim. Käpylän peruskoulu ja Helsingin luonnontiedelukio vievät suurimman osan alueen oppilaista. Lopuksi laskin vielä muun kielisten lapsien määrän suurin piirtein ja taas on myönnettävä, että en ole aivan varma vastauksestani.

Yhtenäiskoulun uudet oppilaat 14
Yläasteikäiset 63
Kouluikäiset alueella 9,25%
Muun kieliset alueella 10

Taulukko 4. Yhtenäiskoulun läheisen alueen opiskelijat

Lopuksi voisin vielä todeta, että tämä kurssikerta oli erityisen vaikea ja olisin ehkä toivonut sittenkin olevani mieluummin kurssilla kuin Madridissa, mutta minkäs teet. Tulevaisuutta varten jää vielä paljon opeteltavaa ongelmanratkaisutilanteihin QGIS-sovellukseen ja tämä on muutenkin tuntunut olevan henkilökohtaisesti se vaikein osa-alue kaikista kurssilla tehdyistä asioista.

Lähteet:

Eveliina Sirola – Kurssikerta 5: Itsenäistymisen aika – kääk! blogs.helsinki.fi/evsirola/2018/02/24/kurssikerta-5-itsenaistymisen-aika-kaak/, luettu 2.4.2018

Tilastokeskus: https://www.stat.fi/tup/vl2010/art_2011-12-16_001.html, luettu 3.4.2018

4. kerta: Ulkomaalaisväestö

Pääkaupunkiseutu on Suomen väestön pääkeskittymä. Koko Suomen asukkaista n. viidesosa asuu tällä pinta-alaltaan melko pienellä alueella. Siksi pk-seutu on lähempänä metropolia kuin mikään muu alue Suomessa ja vielä aika reilulla välimatkalla. Houkuttimina toimivat hyvät työllistymismahdollisuudet sekä palvelut. Tämä kysynnän kasvu saa puolestaan asuntojen hinnat kasvamaan, mikä taas lisää sijoittajien mielenkiintoa. Nämä kaksi edellä mainittua seikkaa ruokkivat toisiaan siten, että molemmat ikään kuin kasvattavat toisiaan tai ovat ainakin tähän asti toimineet siten. Kysyntä kasvattaa hintoja mikä taas lisää kysyntää jne.

Myös ulkomaalaisille työllistyminen ja palvelut ovat keskeisessä asemassa heidän tehdessä päätöstään mihin he aikovat asettua, kun he pohtivat oikeaa asuinpaikkaa Suomessa. Tämä näkyy tilastoissa, sillä Tilastokeskuksen mukaan Uudenmaan väestöstä jopa 12.3% on ulkomaalaistaustaisia. Näistä tietysti suurin osa sijoittuu pk-seudulle, sillä se on myös koko Uudenmaan ydin ja keskus, johon valtaväestö keskittyy. Kiihtyvä maahanmuutto ja pakolaisuus ovat olleet yksi 2000-luvun kiinnostavimmista globaaleista teemoista alueellisen kestävyyden kannalta eli miten alueet pystyvät hallitsemaan muualta suuntautuvan ns. odottamattoman väestönkasvun. Tätä varten tein tällä kurssikerralla ruututeemakartan (kuva 1.), johon rajasin pääkaupunkisudun kunnat ja jaoin alueen 400x400m kokoisiin ruudukkoihin. Ruudukoiden tummuus kertoo sen ruudun alueella asuvien ulkomaalaisten määrästä.

Kuva 1. Ulkomaankansalaiset pääkaupunkiseudulla

Kartasta huomataan, että tiettyjä keskittymiä on havaittavissa. Esimerkiksi Itä-Helsingin alueella on klusteroitunut paljon maahanmuuttajia eri keskittymiin. Tämä seikka ei varmasti yllätä ketään pääkaupunkiseutua tuntevaa, sillä jo vuosikymmenten pituinen trendi on ollut se, että Itä-Helsingissä asuu paljon maahanmuuttajia. Siellä asuntojen hinnat ovat halpoja ja koska maahanmuuttajien määrä on jo ennestään runsas, on uusien tulokkaiden helpompi asettua aloilleen kyseiseen paikkaan. Muutenkin valtaosa keskittymistä on Helsingissä. Espoossa ja Vantaalla on molemmissa pari kolme keskittymää, mutta ne ovat paljon pienempiä kuin Helsingin, eikä niitä ole yhtä montaa. Mitä kauemmas ydinkeskustasta mennään, sitä vähemmän ruudukoista löydetään ulkomaalaisia.  Tämä selittyy osin väestömäärän perusteella. Koska Helsinki on väestöltään suurin, on melko luonnollista, että siellä on myös eniten ulkomaalaisia. Kaikki maahanmuuttajat ja ulkomaalaiset eivät tietysti ole ns. klassisia tapauksia, jotka tulevat ensimmäisenä mieleen, kun ajatellaan termejä ulkomaalainen ja maahanmuuttaja eli todella köyhiä, melkein jopa pakolaisstatuksen omaavia. Jotkut voivat olla esim. korkeakoulutettuja työntekijöitä tai vaihto-opiskelijoita korkeakouluissa. Tämä selittää myös sitä, että Helsingissä on eniten ulkomaalaisia, koska sinne uskoisi näiden korkeakoulutettujen mielellään hakeutuvan. Tämä selittää myös sen miksi Otaniemessä on niin suuri keskittymä ulkomaalaisia.

Jos omaa karttaa ja sen informatiivisuutta lähtee arvioimaan, voisin sanoa onnistuneeni tässä asiassa ihan keskinkertaisin arvosanoin. Kartan värivalinta oli mielestäni ihan hyvä, se oli selkeä ja mukavalukuinen. Ruudukoiden ääriviivat olisi ehkä voinut jättää pois näkyvistä, mikä olisi helpottanut kartan lukua hieman. Kartan koko olisi voinut olla ehkä jonkin verran nykyistä suurempi. Ruututeemakartan hyväpuoli on sen selkeys. Se esittää asiansa hyvin yksinkertaisesti ja visuaalinen anti on helppolukuista, ainakin tässä tapauksessa. Se olisi ehkä muihin teemakarttoihin verrattuna raskasta luettavaa silloin kun tutkittava ilmiö olisi laaja ja suurilukuinen. Koska tässä tapauksessa ulkomaalaisia ei ole koko pk-seutu täynnä ja kohteet hajaantuvat ympäri aluetta, on kartta selvästi helppolukuisempi kuin jos määrä olisi huomattavasti suurempi ja laaja-alaisempi. Eemil Becker kuvaili tätä hyvin sanoessaan, että esitys kärsii, jos dataa ei käsitellä esitykselle edullisella tavalla. Juuri siksi rasterimuotoiselle kartalle sopii esitettäväksi erilaiset ilmiöt kuin pistekartalle.

Lähteet:

Becker Eemil, Harjoituskerta 3: Lisää soveltamista, https://blogs.helsinki.fi/beemil/, luettu 2.4.2018

Tilastokeskus, http://pxnet2.stat.fi/explorer/Maahanmuuttajat_2017/maakuntakartta.html

Kurssikerta 3. Tulvaprobleemit

Kolmas kurssikerta oli henkilökohtainen murheenkryyni. Tämän kerran tehtäviin olen käyttänyt todella paljon aikaa ja vielä melko kohtalaisella lopputuloksella. Kurssikerran tarkoituksena oli oppia yhdistelemään erilaisia tietokantoja toisiinsa. Jotkut tietokannat olivat valmiiksi annettu oikeassa muodossa, mutta joitakin oli muokattava siten, että yhdistäminen onnistuisi QGIS-sovelluksessa. Näiden tietokantojen muokkaus ja yhdistely on tuottanut huomattavan paljon päänvaivaa pitkällä aikavälillä.

Ensimmäisenä tehtävänä ja ikään kuin harjoituksena tulevaan tutkittiin Afrikan manteretta ja sen valtioita. Valtioista oli annettu erilaisia tietokantoja, joita piti yhdistää alueittain ja osaa piti jopa rajata, koska aivan kaikki data ei ollut tarpeellista. Annetussa datassa oli tietoja mm. Afrikan internetin käyttäjistä, timanttikaivoksista ja konflikteista. Kaikki todella mielenkiintoisia aiheita ja nykypäivää, koska internetin käyttö lisääntyy myös Afrikassa järisyttävää tahtia. Timanttikaivokset ja konfliktit kulkevat käsi kädessä, sillä timantit ovat olleet vuosisatojen ajan tärkeimpiä vientituotteita Afrikalle ja niiden takia on kuollut aikojen saatossa miljoonia erilaisten konfliktien takia. Harjoituksessa asetimme näitä esiintyviä tilastoja kartalle ja karsimme pois kaiken tarpeettoman ja keskityimme eritoten Koillis-Afrikkaan.

Varsinaisena harjoitustehtävänä tuotettiin valuma-alueiden tulvaindeksi Suomesta, jossa oli myös esitettynä tärkeimmät joet ja järvet. Valmis karttani on esillä kuvassa 1.

Kuva 1. Tulvaindeksikartta

Tein tämän tehtävän ns. perusversion eli laskin annetun keskiylivirtaaman ja itse tietokantaan liittämäni keskialivirtaaman jaotuksen (MHQ/MNQ). Näin sain jokaisen valuma-alueen tulvaindeksin laskettua. Karttaan olisi vielä pitänyt liittää jokaisen valuma-alueen järvisyysprosentti, mutta minulla kävi samalla tavalla kuin Emmi Hagelbergillä, enkä saanut monien ja edelleen monien yritysten jälkeen näkymään valmiissa kartassa. Kuitenkin tulvaindeksi tulee ainakin esille valmiissa tuotoksessa. Lopputuloksen olisi pitänyt näyttää enemmän niin kuin Vivi Tarkalla. Kartan perusteella tulvariskialueet sijaitsevat pääosin rannikolla, eritoten Pohjanmaalla. Tämä johtuu tietysti siitä, että kyseisillä alueilla maasto on alavaa ja meri on lähettyvillä, joten valuma-alueen kaikki virtaava vesi tuppaa kasautumaan juuri sinne. Se mitä tästä kartasta ei näy, on se, että järvisyysprosentti on hyvin pieni tulvariskialueilla. Tämä on hyvin järkeenkäypää, sillä järvet pystyvät sitomaan itseensä paljon enemmän vettä kuin esimerkiksi joet. Pohjanmaalla runsaasti esiintyvissä joissa vedenkorkeuden vaihtelut näkyvät juuri siten, että vesi herkästi tulvii uomasta yli. Ja koska maaston korkeusvaihtelut ovat pieniä, ovat laajat alueet herkkiä tulville. Käymäni luonnonmaantieteen menetelmät -kurssi tukee myös tätä teoriaa ja näiden kahden tietolähteen avulla onkin helppo tulkita tätä karttaa.

Mitä voin ottaa opiksi? Paljonkin, vaikka tämä harjoitus meni penkin alle heti alusta lähtien, voin silti lähteä tulvaisuuteen hieman viisaampana, sillä osaan nyt ainakin osittain yhdistellä erilaisia tietokantoja toisiinsa ja tuottaa niistä paikkatietoa ja vaikka se vei paljon aikaa, uskon silti tulevaisuudessa hoitavani tämän tyyppisen tehtävän hieman nopeammin ja paremmin.

Lähteet:

Emmi Hagelberg – https://blogs.helsinki.fi/hagemmi/, Kolmas luento: Suomi ja tulvat, luettu 2.4.2018

Vivi Tarkka – https://blogs.helsinki.fi/vivitark/, Haloo! Tulvariski!, luettu 2.4.2018

Suomen ympäristökeskus, http://www.syke.fi/fi-FI/Tutkimus__kehittaminen/Vesi/Tietoaineistot_ja_jarjestelmat/Valumaaluejarjestelma/Uusi_valumaaluejako

Kurssikerta 2. Projektioiden ihmeellinen maailma

Projektion merkitys kartoissa

Tämän kurssikerran aiheena oli karttaprojektiot ja niiden vaikutus tarkasteltavaan lopputulokseen. Karttaprojektio on aina tarpeellinen siirrettäessä kolmiulotteinen maapallo kartalle kaksiulotteiseksi tasoksi. Tämä siirto aiheuttaa aina ongelmia, koska jokin kolmesta osa-alueesta; pinta-ala, etäisyydet tai muodot kärsivät, eikä nämä kolme ole yhdessäkään mahdollisessa projektiossa kaikki oikein. Eri tarkoituksiin tehdyt kartat ovat tarkoitettu tinkimään niille vähemmän tarkoituksellisista osa-alueista. Esimerkiksi Mercatorin projektio, joka vääristää pinta-aloja rajusti mentäessä kohti napoja, on kuitenkin käytössä esim. merikartoissa, koska merellä suunnistettaessa ilmansuuntien väliset oikeat kulmat ovat tärkeämpiä kuin oikeat pinta-alat.

Projektion vaikutus

Tarkasteltaessa konkreettisesti sitä, miten paljon eri projektiot vaikuttavat tietyn alueen pinta-alaan, rajasin QGIS-ohjelmassa Pohjois-Suomesta alueen, joka kattoi n. Pallastunturista pohjoiseen koko Pohjois-Lapin. Tarkasteluun valitsin kolme eri tunnettua projektiota: Mercatorin, Lambertin ja Robinson projektiot. Alla oleva taulukko esittää kuinka suuri alueen pinta-ala on näissä kussakin projektiossa:

Projektio Mercator Lambert Robinson
Pinta-ala 68 000km² 8200km² 12 000km²

 

 

 

Kuten huomattavissa on, Mercatorin napa-alueiden vääristymä on totisesti totta, sillä se ilmoittaa alueen pinta-alan viisinkertaiseksi seuraavaksi suurimpaan Robinsoniin verrattuna. Lambertin projektiossa puolestaan näyttäisi pinta-ala olevan selvästi pienin. Kuitenkin erot projektioiden välillä ovat suhteessa todella suuret, vaikka tarkasteltava alue on kaikissa täysin sama. Väite, jonka mukaan projektion valinta on kartan toimivuuden kannalta kaikki kaikessa. Mikä sitten vaikuttaa näihin projektioihin ja siihen, miten ne esittävät maailman?

Mercatorin projektio on oikeakulmainen projektio, jossa pituuspiirit ovat yhtä kaukana toisistaan, mutta leveyspiirien väliset erot kasvavat, mitä kauemmas päiväntasaajasta kuljetaan. Tämä saa aikaan roisit pinta-alavääristymät lähellä napoja. Tämä vaikuttaa myös Suomessakin, koska sijaitsemme erittäin pohjoisessa ja vääristää alueiden pinta-aloja. Ohessa kuva esimerkki miten se vaikuttaa koko Suomen alueella, vääristymän kasvaessa pohjoiseen mentäessä.

Robinsonin projektio on ns. kompromissiprojektio, jossa pinta-ala, ilmansuuntien väliset kulmat sekä etäisyydet ovat kaikki hieman vääristyneitä, mutta näitä vääristymiä on koitettu minimoida. Vääristymät ovat koko maailman mittakaavassa hyvin samanlaisia, mikä tekee siitä oivan kartan koko maapallon kartan esittämiseen. Kuitenkin yhden valtion kohdalla se ei ole täysin ideaali esim. verrattuna Lambertin projektioon, joka on silloin tarkempi, mutta Mercatoriin verrattuna se on huomattava parannus. Alempana olevassa kuvassa on kuvattuna Robinsonin pinta-alavääristymä Suomen alueella.

 

Projektioiden vaikutuksia karttaan ei siis voida vähätellä. Eri projektioilla on eri vaikutus esitettävään karttaan ja erilaisia karttoja käytetään eri tarkoituksiin. Jannika Brofelt kertoi blogissaan hyvin, että esim. Mercatorin projektion luomat vääristymät antavat virheellisen kuvan valtioiden oikeasta koosta. Tämän vuoksi esim. Neuvostoliitossa käytettiin paljon Mercatoria, koska se sai valtion näyttämään suurelta ja mahtipontiselta. Jos kyseessä olisi ollut Lambertin projektio, ei lopputulos olisi näyttänyt silloin samalta.

 

Lähteet:

 

Jannika Brofelt. Projektioiden tutkiskelua. 2.2.2018. https://blogs.helsinki.fi/brofeltj/2018/02/02/projektioiden-tutkiskelua/ (luettu 21.3.2018)

Wikipedia. Mercatorin projektio. 22.4.2016. https://fi.wikipedia.org/wiki/Mercatorin_projektio (luettu 21.3.2018)

Wikipedia. Robinsonin projektio. 28.11.2017 https://fi.wikipedia.org/wiki/Robinsonin_projektio (luettu 21.3.2018)

 

 

Aloittamisen sietämätön vaikeus

Paluu kuukauden mittaiselta lomalta, ei ole sujunut täysin kivuttomasti ja siksi ensimmäisen blogitekstin kirjoitus on siirtynyt eteenpäin jo kiusallisen paljon. Aloittaminen on näemmä heikoin osa-alueeni ja se on tullut selvästi esille jo tässä vaiheessa tätä kurssia. Voin jo tässä vaiheessa todeta kohdentaa alueet, jossa minulla olisi parannettavaa.

Ensimmäisen kurssikerta (16.1.) 

Kurssi MAA-202 Geoinformatiikan menetelmät lähti liikkelle kuin kiihdytysauto vihreän valon syttyessä, nollasta sataan järkyttävän nopeasti. Alun nopean paikkatietoaiheisen kertaussetin jälkeen otettiin suoraan hyppy tuntemattomaan, kun taululle läväytettiin auki QGIS-nimisen paikkatieto-ohjelmisto. Sen pelkkä aloitusvalikko sai niskakarvani nousemaan ja tiesin heti, että tämän kurssin kanssa tulee eteen hetkiä, jolloin turhautuminen ja epätoivo ottavat vallan. Miksikö? Ensinnäkin olen aina tuntenut olevani heikko tietoteknisissä asioissa ja varsinkin niiden hidas oppiminen on yksi heikoimmista ominaisuuksista koko koulu-urani aikana. Myös se, että QGIS-ohjelmisto oli jo ensisilmäyksen perusteella vaikein ohjelmisto, jota olen joutunut käyttämään toi otsalleni hiukan tuskan hikeä.

Luennoitsija Arttu Paarlahti osasi kuitenkin hyvin hitaalla temmolla ja selkeästi selitettynä saattaa kaikki opiskelijat, jopa minut, tämän mysteerisen ohjelmiston syövereihin. Luennon aikana käytiin yksityiskohtaisesti läpi jokainen toiminto, joka oli tarpeen luennon aikana tehtävän harjoituksen tekemisessä. Kyseisen luennon aiheeksi muodostui typpipäästöt, joista teimme koropleettikartan, kuva 1. Tässä kartassa on esitetty Itämeren ympäröivien valtioiden aiheuttamat typpipäästöt kyseiseen vesistöön.

 

Kuva 1. Itämeren ympäröivien valtioiden typpipäästöt

Jos karttaa lähdetään avaamaan henkilölle, jolle kyseinen aihe on täysin tuntematon, on sen antama informaatio seuraavanlaista. Puola on selvästi suurin päästöjen tuottaja, jonka seurauksena sille on päästöissä aivan oma luokkaraja, joka ylittää muiden arvot melko runsaalla tavalla. Toisessa ääripäässä Virolla on pienimmät päästöt, joten siksi valkea väri. Koska olen valinnut kontrastiksi tummenevan värin mitä suuremmaksi päästöt kasvavat, hyökkää Puola heti ensimmäisenä silmille karttaa tutkittaessa. Se antaa katsojalle myös sen kuvan, että päästöt ovat negatiivinen asia, koska tummemmat värit mielletään useasti ns. pahisten väreiksi. Mentäessä syvemmälle karttatulkinnassa, tulee esille Suomen ”Good guy” -status, joka näkyy tässä kartassa pienten päästöjen muodossa. Suomella on verrattain pienet päästöt, sillä esim. Latvian päästöt ovat samassa luokassa ja Venäjän jopa suuremmat, vaikka niillä on rantaviivaa paljon vähemmän.

Mitkä sitten ovat näiden päästöjen lähteet ja miksi valtioiden välillä on niin suuria eroja? Suomen päästöistä 85% tulee jokien valumavesien mukana (Syke 2015), mikä on tietysti ymmärrettävää, koska luonnollisesti joet kuljettavat ainesta pitkiä matkoja aina Sisä-Suomesta saakka. Myös Syken raportissa mainittu riippuvuus päästöjen ja jokien virtaamien voimakkuuksien välillä tukee tätä faktaa. Raportin mukaan typpikuormitus on suurimmaksi osaksi peräisin maatalouden ja teollisuuden harjoittamisesta. Tästä löytyy varmasti syy eri valtioiden välisiin eroihin. Suomessa lainsäädäntö päästöjen suhteen on tiukempi kuin vaikka Puolassa tai Latviassa. Jos Suomessa tapahtuu teollisuuden aiheuttama ympäristökatastrofi, on se heti valtakunnallisissa uutisissa ja syyllisiä aloitetaan hiillostaa heti siltä istumalta. Tästä esimerkkinä jo vuosia mietityttänyt Case-Talvivaara. Tämänlaiset asenteet saavat yritykset huolehtimaan päästöistään paremmin, ettei valtion laajuinen selkkaus sattuisi omalle kohdalle.

Itsekritiikkiä ja tulevaisuudennäkymiä

Itsearviointi on aina kohdallaan, oli suoritettavat harjoitukset minkälaisia tahansa. Kartassa oli muutamia kohtia, jotka olisi voinut hoitaa paremmin. Santeri Mikkolan blogiin viitaten, suurimmasta luokasta tuli hiukan epäselvä, sillä sen luokkaväli paisui erittäin suureksi, Puolan arvojen ollessa noin selvästi muiden arvoja suurempia. Siksi luokkarajoista ei tullut täydellisen tasaisia ja kartta näytti hiukan vääristyneeltä. Myös valitsemani värimaailma olisi voinut olla jokin toinen, sillä päästöjen sininen väri ei ole helpoin mahdollinen väri erottaa merestä kartalla. Tämä kurssikerta olikin aika moinen pläjäys uusien opeteltavien asioiden saralla. Opeteltavaa jää paljolti tulevaisuutta varten ja jos minusta on vielä joskus tuleva oman elämäni QGIS-guru, on matka siihen vielä pitkä ja täynnä pettymyksiä ja pelon tunteita.

Lähteet:

Mikkola Santeri, 1. kurssikerta Kickoff to QGIS,  https://blogs.helsinki.fi/miksante/ (luettu 29.1.2018)

SYKE, Itämeren typpikuorma Suomesta (2015), http://www.ymparisto.fi/fi-FI/Meri/Mika_on_Itameren_tila/Itameren_typpikuorma_Suomesta(31457), luettu 29.1.2018)