Month: February 2024

Huh huh…Viides kurssikerta oli helposti työläin kurssikerta, mutta myös opettavin. Harjoitus poikkesi paljolti aikaisemmista harjoituksista sen painottumisesta paikkatietoanalyyseihin ja karttatulkintaan. Tässä harjoituksessa ei pääpaino ollut karttojen teossa tai visualisoinnissa, vaan tulosten kerääminen ja paikkatietotutkimus oli keskiössä esimerkiksi bufferianalyysin muodossa. Bufferi- eli suomalaisittain puskurivyöhyke asettaa vektorimuotoisen kohteen ympärille vaikutusalueen, jolla on lukuisia sovelluksia esimerkiksi kahden muuttujan riippuvuuden tutkimukseen. Harjoituksessa tulikin ilmi lukuisia erilaisia työkaluja ja suodattimia tulosten saantiin.

Harjoituksessa tehtiin erilaisia taulukoita ja pohdittiin käytetyn työkalun käytettävyyttä. Tutkimuskohteeni oli pääasiassa pk-seutu ja aiheita oli muun muassa lentokentän meluvaikutus, metro- ja juna-asemat, uima-altaat ja tajaama-alueet. Harjoitus nitoi yhteen paljon aiemmin oppimaani ja asetti sekä taitoni, että motivaationi koetukselle. Vaikka keskiössä oli analyysityökalujen käyttö, katsoin silti hyödylliseksi tehdä myös työvaiheistani karttoja ja kuvia. Näiden teko on itselle mieluisaa, ja ne myös parantavat mukavasti blogin yleisilmettä ja luettavuutta, mikä ruokkii vahvasti pientä perfektionistin luonnettani. Karttavisualisoinnin harjoittelu ei myöskään ole lainkaan pahitteeksi.

Pornaisten keskusta-alueen analysointi

Aloitimme kurssikerralla aiemmin tehdyllä Pornaisten keskusta-alueen digitoinnilla, johon harjoittelimme bufferianalyysin käyttöä. Lisäsimme Pornaisten keskusta-alueen karttaan koulun ja terveyskeskuksen, sekä harjoittelimme myös clip- ja intersect-työkalujen käyttöä rajaamalla pellot Pornaisten keskustarajauksen mukaan. Tämä jälkeen loimme terveyskeskuksen ja koulun vaikutusalueesta puskurivyöhykkeet buffer-työkalulla ja teimme vyöhykkeiden sisällä olevista rakennuksista erilliset tasot. Tuloksena saatiin kartta, jossa oli kaksi puskurivyöhykettä, ja niiden sisällä olevat rakennukset. Koulun vaikutusalueena tutkittiin tässä halkaisijaltaan 1 km kokoista aluetta ja terveyskeskuksen 2 km kokoista aluetta. Visualisoin vielä rakennukset eri symboleilla.

Tällä analyysilla voidaan siis tutkia tässä kontekstissa kohteen läheisyydessä olevien henkilöiden määrää. Harjoittelimme myös millaiselta puskurivyöhyke näyttää lineaarisen objektin ympärillä eli tässä tapauksessa tien ympärillä.

Laskin tähän puskurivyöhykkeseen kaikki 100 m etäisyydellä olevat rakennukset, joita oli yhteensä 272. Tämä oli yhteensä 38 % digitoimastani 703:sta asuinrakennuksesta. Voimme siis analyysin avulla päätellä, että 38 % Pornaisten keskusta-alueen asuinrakennuksista on rakennettu pääteiden varrelle. Tällainen analyysi on erityisen tärkeää tutkittaessa lähes mitä tahansa spatiaalista ilmiötä esimerkiksi lajien reviireitä, konfliktien laajuuksia tai vaikkapa maanjäristyksen seismisten aaltojen levittymistä.

Malmin ja Helsinki-Vantaan Lentokentät

Malmin lentokenttä

Ensimmäisessä itsenäistehtävässä tutkittiin Malmin ja Helsinki-Vantaan lentokenttien melualueita ja niissä asuvia ihmisiä. Kurssialueesta löytyi valtava joukko eri muotoisia ja kokoisia tietokantoja, jotka lisättiin QGIS:iin. Aloitimme tutkimisen Malmin Lentokentän alueesta, jota ei ollut valmiina merkittynä tietokantoihin. Teimme siis itse buffer-työkalulla Malmin lentokentälle melualueet puskurivyöhykkein 1 km ja 2 km päähän. Kiitoradat piti myös ensin piirtää polygonein, joista bufferianalyysi sitten suoritettiin.

Kuva 4. Rakennukset 1 ja 2 km päästä Malmin lentokentän kiitoradoista (kurssimateriaali)

Tämän jälkeen piti analysoida tuloksia, mikä onnistui select by location -työkalun avulla, mikä laskee pisteet vyöhykkeiden sisällä. Kurssiaineiston rakennustiedosta löytyy lukuisa määrä erilaista attribuuttitietoa ja kohteen asukasmäärän pystyi katsomaan statistics panelista, kun vyöhykkeen sisäiset rakennukset oli valittuna. Tein tuloksista Excel-taulukon:

                     Taulukko 1. Tulokset Malmin lentokentän melualueista (kurssiaineisto)

Lisätehtävä 1

Ensimmäisessä lisätehtävässä piti löytää Malmin lentokentän 1 km vyöhykkeen rakennuksista ne, jotka oli rakennettu alueelle Malmin lentokentän käyttöönoton jälkeen. Tässä tehtävässä piti siis suodattaa ominaisuustaulukon tietoja rakennuksen käyttöönottovuoden mukaan. Lentoaseman sivuilta löytyi käyttöönottovuodeksi 1938 (https://www.malmiairport.fi/historia/), jonka mukaan suodatin tulokset yksinkertaisella suurempi tai yhtä suuri kuin -toiminnolla vuoden mukaan (muuttuja KAVU). Tulokseksi sain 764 rakennusta.

Lisätehtävä 2

Toisessa lisätehtävässä tutkittiin Helsingin väestöntiheyksiä. Malmin lentokentän alueella ollaan aikeissa rakentaa Helsingin Yleiskaavan (2016) mukaan rakennuksia noin 25 000 asukkaalle (Helsingin Kaupunki, Malmin lentokentän alue, 2016). Tehtävän tarkoituksena oli laskea hypoteettinen veästöntiheys tulevaisuuden Malmin kaupunginosalle, ja tarkastella kurssiaineistosta saman tai korkeamman väestötiheyden omaavia kaupunginosia.

Vein Helsingin karttapalvelusta Geopackage-aineistona Malmin yleiskaavan alueen (Helsingin Karttapalvelu, Malmin lentokentän alueen kaavarunko 2011) QGIS:iin, jossa sain alueen pinta-alaksi noin 3 km^2. Hehtaarin väestötiheydeksi saatin siis 25 000/3,001771 ≈ 8330 as/km^2.

Tehtävänä tuntui hieman epäselvältä etsiä tämän jälkeen kurssiaineistosta saman tai korkeamman asukastiheyden alueita, sillä eiköhän ole aika maalaisjärkeä, että kantakaupungin kaupunginosissa väestöntiheydet menevät tämän yli. Päätin kuitenkin etsiä saman asukastiheyden alueen Itä-Helsingistä, jossa ihmismaantieteelliset ominaisuudet ovat samanlaisia kuin Malmilla. Päätin kokeilla Mellunmäen ja Vesalan aluetta tarkoitukseen. Käytin hyväkseni lataamaani Helsingin yleiskaavan aluetta, jonka vieritin karkeasti Mellunmäen kaupunginosan päälle.

Väkilukua sain tältä alueelta vain noin 13 700 asukkaan verran eli ei läheskään saman verran kuin kaavailtulla Malmin asuinalueella. Tämä antoikin hyvän käsityksen kuinka suurta aluetta Malmin lentokentän alueelle olllaan oikein kaavailemassa.

Yritin vielä saada Vantaan Tikkurilaan saman väestöntiheyden omaavaa aluetta, mutta epäonnistuin. Sielläkin väkilukua oli vain 13 465.

Helsinki-Vantaan Lentokenttä

Seuraavaksi tutkittiin jo valmiiksi tietokannassa olevia Helsinki-Vantaan lentokentän melualueita. Tehtiin myös vielä yksi puskurivyöhyke 2 km sisällä olevista asukkaista. Tietokannassa oli valmiina aineistot 50, 55, 60 ja 65 desibelin melualueista, joista tutkittiin montako asukasta asui 65 desibelin ja yli 55 desibelin alueilla. Sain tulokset valitsemalla kyseiset lentomelun tasot sen attribuuttitaulukosta, minkä jälkeen tallensin ne omaksi tasokseen export selected values -toimminon avulla. Tämän jälkeen pystyi käyttämään select by lcoation -työkalua tulosten löytöön. Huomasin Gaius Erikssonin (2024) blogista, että hän oli käyttänyt työkalua extract by attribute, joka tallentaa suoraan valituista attribuuteista tason. Kokeilin myös itse kyseistä työkalua, koska huomasin sen olevan huomattavasti nopeampi työkalu tähän tarkoitukseen. Tein taas tuloksista taulukon:

    Taulukko 2. Tulokset Helsinki-Vantaan lentokentän melualueista (kurssiaineisto)

Desibelin pitäisi vuorokausitasolla EU:n määräysten mukaisesti pitää alle 55 desibelissä (European Environmental Agency 2020), joten tämä havainnoi hyvin meluvaara-alueella asuvien ihmisten määrää. Melututkija Outi Ampuja Helsingin Yliopistossa sanoo melusta Hyväterveyden artikkelissa (Hyväterveys 2011), että “Melu esimerkiksi vaikeuttaa nukahtamista ja katkoo unta. Unihäiriöt puolestaan uuvuttavat ja pirstovat keskittymiskykyä, mikä taas lisää onnettomuusriskiä.”.

Vaihtoehtoinen laskeutumisreitti

Viimeiseksi tutkittin kuinka monelle asukkaalle aiheutuisi merkittävää meluhaittaa saapuvasta lentoliikenteestä, jos koneet laskeutuisivat vaihtoehtoisesti kaakosta Tikkurilan suunnasta Helsinki-Vantaalle. Tämä tarkoitti käytönössä yli 60db melusaasteelle altistuvaa väestöä.

Kurssiohjeiden mukaan tämä saatiin piirtämällä tai bufferoimalla 7 km pitkä ja 1 km leveä alue kiitoradan jatkeeksi. Tulokseksi sain, että melusta joutuu kärsimään noin 14 714 ihmistä.

Asemat

Seuraava tehtävä keskittyä pääkaupunkiseudun metro- ja junasemien vaikutuspiirin tutkimiseen. Tässä harjoituksessa käytin seuraavan tehtävän aineistoja poiketen monen muun blogin vastauksista (esim. Säntti 2024). Näissä aineistossa oli väestötietoja koko pk-seudun alueista (aineisto pks_vaki_font_point). Harjoituksessa vastattiin erilaisiin kysymyksiin, joita tutkittiin bufferianalyysin kautta. Tehtävien vastaukset saatiin helposti Statistics panelin avulla.

Asukkaita asuu alle 500 m päässä juna- ja metroasemista 263 243, mikä on noin 26 % kaikista pk-seudun asukkaista. Työikäisiä asemien läheisyydessä asuu 187 209, mikä on noin 71 % kaikista asemien lähellä asuvista asukkaista.

Taajamat

Taajamat olivat seuraavan tehtävän tarkastelun kohteena, jotka lisättiin valmiina tietokantoina karttaan. Selkeyden vuoksi vaihdon taustakartaksi QuickMapService pluginin avulla Kapsin taustakartan ja otin karttalehdet pois. Tehtävässä piti tutkia taajama-alueilla asuvien ihmisten määrää, sekä muita sekalaisia tietoja.

Tietokanta vaikutti ensisilmäyksellä hieman vanhentuneelta, sillä jotkin tiheään asutet kaupunginosat esimerkiksi Jätkäsaari, Kalasatama ja Postipuisto eivät olleet merkitty taajama-alueiksi. Kyseiset kaupunginosat ovat suhteellisen uusia, joten veikkaisin tietokannan olevan jostain 2000-alusta. Myös läntisen Vallilan aluetta ei ollut merkitty taajamaksi, mikä oli hieman kummallista.

Myös toki väestötietokanta on hieman vanhentunut, jossa väkiluvun määrä pk-seudulla on vain noin reilu miljoona. Nykyisin tuo luku on noussut jo yli 1,2 miljoonaan. Katsoin pk-seudun väestönkehityksen 2000-luvulla Tilastokeskuksen Statfin palvelusta (Statfin, Väestö (1 v.) iän ja sukupuolen mukaan alueittain 1972-2022), ja totesin, että noin vuonna 2008 seudun väkiluku on ollut aineiston tasolla.

Taajama-alueilla asuu noin pääkaupunkiseudulla 96 % alueen asukkaista. Kouluikäisiä (7-16 v.) asuu taajamien ulkopuolella 3 727, mikä on vain 3,6 % alueen kaikista kouluikäisistä.

Viimeisenä tehtävänä piti laskea ulkomaalaisten osuudet taajama-alueittain. Tämä loi oman haasteensa, sillä asukkaiden määrät ja ulkomaan kansalaisten määrät piti ensin laskea taajama-alueittain, ja sitten laskea osuudet. Tämä onnistui count points in polygon -toiminnon avulla, jonka avulla loin ensin kaksi  tasoa; toisen asukkaiden määrästä ja toisen ulkomaan kansalaisten osuuksista. Tämän jälkeen pyrin yhdistämään tasot join-toiminnon avulla. En saanut kuitenkaan ensin yhdistettyä näitä, mutta huomasin Jero Hobergin (2024) blogista, että hän oli yhdistänyt tasot join attributes by location -työkalun avulla. En kuitenkaan onnistunut monen tunnin yrityksen jälkeen saamaan järkevästi tasoja yhdistettyä. Erityisesti ongelmaa tuotti attribuuttien yhdistäminen oikeisiin paikkoihin.

Uima-altaat

Vapaavalintaisista tehtävistä valitsin tehtäväksi uima-altaallisista ja saunallisista rakennuksista olevan tehtävän. Tehtävässä ei tällä kertaa käytetty bufferianalyysiä, vaan työ eteni suodatin- ja select-työkalujen avulla. Tarkoituksena oli vertailla kaupunginosien uima-altaallisten rakennusten määrää. Näistä piti visualisoida koropleettikartta. Harjoitus oli tällä kertaa suhteellisen helppo, eikä siihen vaatinut mitään erityisiä niksejä. Ensimmäiseksi piti vastata taas muutamiin kysymyksiin, jotka sai selville jo tuttujen metodien avulla.

                                         Taulukko 3. Vastaukset tehtävästä (kurssiaineisto)

Sitten hyökkäsin kartan teon kimppuun, johon uutena elementtinä piti laittaa itse tieto (numero “label”) koropleetin päälle. Tein yhteensä kaksi karttaa, jossa toinen visualisoin tällä tavalla ja toiseen tein pylväsdiagrammit koropleetin päälle. Piirsin jälkimmäisen kartan legendaan myös polygonein ja viivoin oman selitteen pylväsdiagrammista.

Kaupunginosien aineisto oli jotenkin väärässä muodossa, ja tähän sain vinkin kavereiltani käyttää ainesto fix geometrics -työkalun läpi, jolloin uima-altaallisten rakennusten lasku kaupunginosiin onnistui. Kiitoksia Jero Hobergille tästä!

Tekemäni kartat:

 

Kartoista huomaamme, että eniten uima-altaallisia rakennuksia on Lauttasaaressa (53). Toiseksi eniten uima-altaita löytyy Länsi-Pakilasta ja kolmanneksi Marjaniemestä. Kaikki nämä asuinalueet ovat pääasiassa omakotitaloalueita, ja suuria pinta-aloiltaan, mikä selittää uima-altaiden suurta esiintyvyyttä.

Tämä kurssikerta toi omaan käpistelyyni tiettyä suunnitelmallisuutta ja järjestelmällisyyttä. Välillä aineistoja oli hyvä karsia, aineistoja järjestellä  ja ylimääräisiä tasoja poistella. Tämä kurssikerta olikin kenties opettavaisin tähän mennessä, vaikka työmäärää olikin rutkasti ja oma jaksamisen vaakalaudalla. QGIS:ssä työskentely alkaa tulla jo rutiininomaiseksi ja ongelmanratkaisu sujuu itsenäisesti. Myös netistä löytyy yllätävän paljon apua, ja QGIS:n käyttäjillä on jopa oma foorumi, mistä apua saa helposti. Olen useasti etsinyt netistä apua, ja olen myös katsonut opetusvideoita pulman ratkaisemiseksi. QGIS:siä käyttäessä on huomannut, miten pienestä voi olla kiinni, että tapahtuma tai työkalu ei onnistu haluamalla tavalla. Kaiken kaikkiaan voikin sanoa, että on paljolti omasta motivaatiostaan kiinni, miten ja kuinka nopeasti ongelman ratkaisee.

Vaikka osaamiseni sai harppauksen, kehityskohteita löytyy. Esimerkiksi matikkapääni on hyvin ruosteessa, ja prosenttilaskuissakin kestää minulla paljon miettiä yhtälöä. Tässä harjoituksessa toki laskutoimitukset olivat vielä verrattain helppoja, mutta vaikeustaso varmasti nousee.

Kiitos lukemisesta!

Lähteet:

Malmi Airport Historia. Viitattu 21.2.2024.(https://www.malmiairport.fi/historia/)

Helsingin Kaupunki, Malmin lentokentän alue, 2016. Viitattu 21.1.2024 (https://www.hel.fi/static/liitteet/kaupunkiymparisto/asuminen-ja-ymparisto/kaavoitus/malmin_lentokentan_alue_verkkosivu.pdf)

Helsingin Karttapalvelu, Malmin lentokentän alueen kaavarunko 2011. Viitattu 21.2.2024 (https://kartta.hel.fi/applications/sukka/dist/#/print-plan/https:%252F%252Fkartta.hel.fi%252F/sukka_muut_suunnitelmat_user/825)

G. Eriksson (2024) MAA202 Viides Viikko, Gaiuksen kurssiblogi. Viitattu 21.2.2024 (https://blogs.helsinki.fi/ezgaius/)

European Environmental Agency (5.3.2020) Haitalliselle melusaasteelle altistuvien eurooppalaisten määrän odotetaan kasvavan. Viitattu 21.2.2024 (https://www.eea.europa.eu/fi/highlights/haitalliselle-melusaasteelle-altistuvien-eurooppalaisten-maaran)

Hyvä Terveys (10.3.2011) Korva kaipaa hiljaisuutta. Viitattu 21.2.2024 (https://www.hyvaterveys.fi/artikkeli/terveys/korva_kaipaa_hiljaisuutta)

H. Säntti (2024) Viides Kurssikerta. Heiggi’s blog. Viitattu 21.2.2024 (https://blogs.helsinki.fi/hksantti/)

Statfin, Väestö (1 v.) iän ja sukupuolen mukaan alueittain 1972-2022. Viitattu 21.2.2024 (https://pxdata.stat.fi/PxWeb/pxweb/fi/StatFin/StatFin__vaerak/statfin_vaerak_pxt_11re.px/)

J. Hoberg (2024) Viides Kurssikerta, Jeron gis-blogi. Viitattu 21.2.2024 (https://blogs.helsinki.fi/hoberg/)

Neljännellä kurssikerralla paikkatiedon esittämistä ruudukkomuodossa ja rasterimuotoisia aineistoja. Kurssikerralla tutustuttiin myös ensimmäisen kerran digitointii QGIS-ohjelmiston avulla. Aiemmin, mm. MAA202-kurssilla digitointi tapahtui vektorigrafiikkaohjelma CorelDrawin kanssa, jossa mielestäni oli helpompi ja selkeämpi digitoida karttaa.

Ruututeemakartta visualisoi pääkaupunkiseudun kieliryhmiä, ja Pornaisten alueelta tuotettiin erilaisia rasterikarttoja. Teimme esimerkiksi rinnevarjostuksen QGIS:in avulla, mikä oli mielestäni hienoa tehdä suoraan ohjelmiston avulla laserkeilausaineistosta. Harjoituskerran aikana tulikin lukuisia uusia toimintoja käytyä läpi ja kehittymiseni kohti gis-guruutta vain etenee (vaikka siihen on vielä pitkä matka).

Harjoitukseni sai kuitenkin ikävän käänteen, kun en muistanut tallentaa töitäni z-asemalle, vaan jätin kaikki tekemäni työt koulun tietokoneen omalle asemalle. Koska koneen henkilökohtainen tallennustilani oli täynnä, tuloksena oli se, että kaikki tasoni, digitointini ja karttani hävisivät bittiavaruuteen ja jouduin tekemään kaikki uudestaan. Hajotti.

Ruututeemakartat – Vääristelyn makua?

Ruututeemakartta tehtiin kurssiaineiston pistemuotoisesta vektoriaineistosta, jossa oli pääkaupunkiseudulta erilaisia ominaisuustietoja asukkaista ja lokaatioista. Aineisto oli muokkaamattomana erityisen raskas, ja sitä karsittiin laajalti, jotta tarkasteluun tulisi vain tietyt tutkittavat attribuutit. Itse ruudukon luominen oli QGIS:in avulla yllättävän helppoa, ja päätin ottaa tarkasteluun myös erilaisilla ruudukkokooilla varustetut koropleettikartat. Ruudukkoihin laskettiin kurssiaineistosta asukkaiden, ruotsinkielisten, muunkielisten (muut kuin kotimaiset kielet)  ja ulkomaan kansalaisten määrät.

Tein yhteensä 6 karttaa, joissa kuvasin pääasiassa suhteellisia määriä ruotsinkielisten, muunkielusten ja ulkomaan kansalaisten osalta. Jätin kuitenkin tarkasteluun tunnilla tehdyn absoluuttisia määriä kuvaavan kartan, jossa hahmottuu kartan vääristelyn mahdollisuus mikäli arvoja ei suhteuteta.

Kaksi viimeistä karttaani innostuin tekemään Taika Jaakkolan (2024) blogin innoittamana, jossa oli verrattu erilaisia ruudukkokokoja. Neljä ensimmäistä karttaani oli ruudukoitu neliökilometrin suuruisilla ruudukoilla, mutta tein samanlaiset kartat muunkielisten ja ulkomaan kansalaisten määristä 500mx500m kokoisilla ruudukoilla. Tässäkin havainnollistuu useita vääristelyn mahdollisuus mistä kerron myöhemmin.  Kahdesta keskimmäisestä kartasta onnistuin ottamaan kuvat ennen valitettavaa tallenuksieni häviämistä. Vaikka visualisoinnit näillä kartoilla ovat hieman puutteelliset, en vaivautunut tekemään karttoja uudestaan. Tarkoituksenani olikin verrata ruudukkokokoja karttojen välillä.

Tein kaikkiin karttaan luonnollisten välien luokkitelut, ja välejä seitsemän. Mielestäni tällä tavoin kartoista tuli selkeät ja informatiiviset. Taustakartoiksi hain MAA202-kurssilla näytetyn QuickMapService-pluginin avulla taustakartan kahteen ensimmäiseen karttaan ja ortokuvan kahteen viimeiseen.

Tässä tekemäni kartat:

Ensimmäinen karttani oli mielestäni informatiivinen ja selkeä. Ruudukkomuotoinen kartta tosin peittää alleen hieman liikaa rannikkoviivaa ja tunnistettavia muotoja, eikä valitsemani tumma väri auta asiaa. Karttaa katsomalla saa kuitenkin suhteellisen hyvän käsityksen ruotsinkielisten sijainnista. Värimaailmani perustui intuitioon ruotsinkielisistä keltaisena värinä ja suomen sinisenä, ja se on mielestäni helposti ymmärrettävä.

Ruotsinkieliset näyttävät absoluuttisten määrien saralla olevan suurimmilta osin keskusta-alueelle sekä kauniaisiin jakaunut. Absoluuttiset arvot kertovat hyvin, minne ruotsinkieliset ovat jakautuneet määrällisesti, vaikka alueiden vertailu keskenään on mahdoton suhteuttamattomuuksiensa vuoksi. Absoluuttiset arvot kertovat siis hyvin huonosti siitä, minne ruotsinkieliset ovat oikeasti jakaantuneet pääkaupunkiseudulla. Keskusta-alueella asuu myös eniten kaikkia muita ihmisryhmiä, joten tutkimus näillä arvoilla olisi hieman turhaa. Absoluuttiset arvot antavat kuitenkin pientä osviittaa esimerkiksi ruotsinkielisten yleisestä korkeasta tulotasosta.

Suhteelliset arvot kertovat jo paljon paremmin ruotsinkielisten jakaantumisen, ja kartan perusteella ruotsinkielisiä on jakaantunut kiinteistöltään kallielle alueille, kuten Ullanlinnaan, Westendiin, Suvisaareen, Kulosaareen ja Kauniaisiin. Myös Helsingin itälaudalla lähellä hyvin ruotsinkielistä Sipoon kuntaa ruotsinkielisiä on paljon. Prosentuaaliseti esityt arvot antavat oikeutta myös vähän asutuille alueille, mitä absoluuttiset eivät tehneet. Yhteiskunnallisena ilmiönä Helsinki suomalaistuu, vaikka viime vuosina ruotsinkielisten määrä onkin ollut hienoisessa kasvussa (HS, 9.1.2015). Suomen kieli on alueen lingua franca, jota pyrkii käyttämään yleiskielenään niin muunkielisetkin.

Suhteellset arvot kuitenkin vääristävät tuloksia “vastakkaiseen suuntaan” kuin absoluuttiset, sillä hyvin vähän asutuilla alueilla tulokset saattavat ampaista 100%, jos ruudun alueella asuu vaikka vain yksi ruotsinkielinen ihminen. Tämä ongelma esiintyy selvästi kartassani, jonka attribuuttitiedoista huomaamme, että kaikki suhteellisesti ruotsinkielisiä paljon olevilla alueilla on hyvin vähän ihmisiä.

Ruutumuotoisen kartan käyttö onkin molemmissa kartoissa mielestäni ongelmallinen, enkä näe syytä tämänmuotoisen kartan käyttöön koropleetin sijasta. Koska ruutukartan ruudun ovat kiinteitä koko tutkimusalueella, korostaa se erityisesti vähän asuttuja alueita. Tiheästi asuttujen alueiden, kuten keskusta-alueen sisäinen vertailu olisi oleellista asukkaiden määrän takia, mutta nyt vertailu jää lähinnä kantakaupungin ja ympäröivien alueden väliseen tarkasteluun. Kantakaupunkia ei olisi järkevä pelkistää vain noin kymmeneen ruutuun, mitä tässä nyt käy. Ruutumuotojen pienentäminen tekisi taas vähän asutuista alueista jälleen täysin suhteettomat, jos yhden ruudun alueella asuisi vaikka vain yksi ruotsalainen. Paikkatiedossa varsin harva tieto on ruutumuodossa, joten en näe syytä miksi en käyttäisi koropleettikarttaa esimerkiksi asuinalueista. Tämä mahdollistaisi kantakaupungin asuinalueiden vertailun ja laittaisi ympäröivät alueet suhteelliseksi. Ruudut myös muodostavat kompromisseja mennessän tiedon (esimerkiksi rakennuksen) “läpi”,  jolloin algoritmi laskee keskiarvon kumpaan ruutun tieto sijoittuu.

Ongelmaa ratkaisi hieman Jero Hoberg (2024) blogissaan, jossa hän muokkasi attribuuttitaulukkoa ehtolauseen if-funktiolla, jolla hän rajasi alle 10 ruotsinkielisen asukkaan ruututiedot pois tiedoista. Silti järkevämpää on koropleettikartan teko, jossa suhteellisuus pysyy paremmin läsnä koko kartan alueella. Ruudukkokarttaa pystyy varmasti muokkaamaan eri muotoisiksi ja kokoisiksi ruuduiksi, mutta tämä olisi erittäin työlästä ja hankalaa.

Seuraavaksi tekemäni kartat muunkielisten ja ulkomaan kansalaisten osuuksista:

Ulkomaan kansalaisten kartoissani huomasin virheen kartan tiedoissa, jossa Kauniasten ulkomaan kansalaisia esittävät lukumäärät olivat mahdottomalla tasolla. Tästä syystä poistin nämä tiedot, minkä takia Kauniasten alue näyttää näillä kartoilla sangen tyhjältä.

Pienemmän ruudukkokoon omaavat kartat näyttävät mielestäni mielekkäämmin näiden arvojen jakaantumisen pk-seudulla. Molempien ruudukkokoon kartoissa esintyy sama suhteettomuusvirhe, mistä puhuin aiemmin, jonka takia mielestäni yksittäiset punaiset ruudut voikin jättää omaan arvoonsa. Tosin pienemmät ruudukkokoot helpottavat tiheästi asuttujen alueiden alueellista vertailua. Tutkittaessa kuitenkin toisteksi ylintä luokitteluväliä, huomaa melko selkeästi ulkomaan kansalaisten ja muunkielisten suhteellisen painottumisen kantakaupungin ulkopuolelle – erityisesti Itä-Helsinkiin. Tosin tässäkin pitää muistaa, että suuri osa muunkielisisistä ja ulkomaan kansalaisista asuu silti kantakaupungissa absoluuttisen määrän osalta.

Kartat ovat visuaalisesti menetteleviä, vaikka pitääkin myöntää, että satelliitikuvan käyttäminen, ja kyseisen värimaailman yhdistäminen ei ollut ehkä se tietopitoisin ratkaisu. Tässä taisin mennä ehkä visuaalisuus edellä, mikä on kartantekijälle paha moka. Ylemmissä kartoissa olin turhaan jättänyt kuntatason polygonin ruudukkokartan alle, mikä hankaloittaa kartan lukua, sillä harmaa pohja yhdistyy tekemäni visualisoinnin kanssa, vaikka pohjatasossa ei ole mitään tietoja. Olisin myös voinut muokata ruutukartan rantaviivan mukaisesti. Nyt mantereen muodot näkyvät kehnommin, mikä vaikeuttaa sijainnin hahmottamista. Myös paikannimistön lisääminen olisi helpottanut havainnointia.

Rasterikarttaharjoittelua, korkeuskäyrät ja Pornaisten digitointi

Seuraavaksi paneuduimme rasterimuotoisen eli pikselimuotoisen aineiston tutkimiseen ja käsittelyyn. Tarkastelimme Suomen karttalehden L322L-aluetta, missä sijaitsee Pornaisten kunta. Rasteriaineiston muodosta emme saaneet täyttä selkoa. Tulimme lopulta johtopäätökseen, että se saattaisi

olla aeromagneettinen anomaliakartta, joka on harmaasävyesitteinen aeromagneettisesta matalalentoaineistosta interpoloitu (solukoko 50m x 50m) magneettinen anomalikartta, joka perustuu GTK:n tekemään koko Suomen kattavaan matalalentomittauksiin vuosina 1973 – 2007 (Lentogeofysikaalinen magneettinen harmaasävykartta, GTK, 16.9.2016).  Sen avulla pystyttiin kuitenkin tekemään hillshade-toiminnolla rinnevarjostuskartta. Ensin neljässä osassa oleva kartta kuitenkin yhdistettiin yhdelle virtuaalille rasteritasolle. En täysin ymmärtänyt rinnevarjosteen toimintaperiaatetta, mutta harjoituksen ohjeista tämäkin selvisi. Geotiff-tiedostossa on nimittäin metatietoja yksittäisten pikselien (solujen) korkeus- ja sijaintitiedoista, minkä avulla QGIS pystyy suorittamaan rinnevarjosteen. Huomaa, että kurssilla on vielä vain vähän tehty töitä rasterimuotoisten aineistojen kanssa. 

Rinnevarjostusaineistolle tehtiin seuraavaksi viiden metrin väleillä olevat korkeuskäyrät, jotka tehtiin virtuaalisen rasteritason pohjalta. Pohjakartaksi vietiin vielä korkeuskäyrätön peruskarttalehti alueesta. Karttalehden päälle visualisoitiin rinnevarjotuksesta hieman varjostusta topografian havainnollistamiseksi. Vertailin saamiani korkeuskäyriä karttalatauspalvelu Paitulista ladattavaa Maanmittauslaitoksen korkeuskäyrälliseen peruskarttalehteen (Peruskartan korkeuskäyrät, peruskarttarasteri, Maanmittauslaitos, 2010).

QGIS:llä tekemäni korkeuskäyrät osuvat hyvin  yhteen Maanmittauslaitoksen virallisten korkeuskäyrien kanssa. Tosin omat korkeuskäyräni olivat 2.5 m  välein asetettu, kun Maanmittauslaitoksen korkeuskäyrät ovat 5 m välein. Maanmittauslaitoksen korkeuskäyrät ovat myös paljon siistitympiä ja niissä on mukana myös 10 m viivat. QGIS luo vähän sinne sun tänne pieniä korkeusviivoja, esimerkiksi pellon kyntöjälkiä, mistä tein pienen sijaintikartan ylempään karttaan. QGIS:in korkeuskäyrät ovat siis kenties tarkemmat, vaikkakin visuaalisuus kärsii. En menisi suunnistamaan näiden korkeuskäyrien kanssa.

Seuraavaksi digitoimme QGIS:n digitointityökaluilla Pornaisten keskusta-aluetta lisäten siihen tiet, vesistöt ja rakennukset. Tätä digitointia käytetään ensi kurssikerran harjoituksessa mukana. Itse innostuin tekemään kaikki pikkutietkin. QGIS:illä digitointi oli hieman kömpelöä, eikä ohjelmistosta löytynyt esimerkiksi viivaa pyöristäviä työkaluja, kuten aiemmilla kursseilla käytetyssä vektorigrafiikkaohjelma CorelDraw:ssa. Rakennukset digitoitiin vain pisteillä.

Digitointini on suhteellisen onnistunut, vaikka rakennuspisteet peittävätkin paljon karttapinta-alaa. Nämä kuitenkin olivat alustus ensi kurssikerran tehtävällä, joten tästä lisää ensi kerralla.

Lähteet:

Jaakkola T. (2024) Tiedon esittäminen ruututeemakartalla, Taikamatkalla gis-velhoksi. Viitattu 20.2.2024 (https://blogs.helsinki.fi/jztaika/)

Helsingin Sanomat (1.9.2015), Helsingin ruotsinkielisten asukkaiden määrä kasvaa. Viitattu 20.2.2024 (https://www.hs.fi/kaupunki/art-2000002791161.html)

Hoberg J. (2024) Neljäs kurssikerta, Jeron blogi. Viitattu 20.2.2024 (https://blogs.helsinki.fi/hoberg/)

Lentogeofysikaalinen magneettinen harmaasävykartta, GTK, 16.9.2016. Viitattu 20.2.2024 (https://tupa.gtk.fi/paikkatieto/meta/aeromagnetic_anomaly_map_of_finland_grey.html)

Peruskartan korkeuskäyrät, peruskarttarasteri, Maanmittauslaitos, 2010. Viitattu 20.2.2024. (http://urn.fi/urn:nbn:fi:csc-kata00001000000000000273)

Kuva:

https://tenor.com/search/computer-break-gifs

Kurssin kolmannen kerran harjoitukset olivat mielestäni tähän asti kurssin työläimpiä. Eteen tuli useita esteitä ja dilemmoja, joiden ratkaisemiseen meni useampi tunti. Ratkaisuni jouduin etsimään lähes aina itse, koska ohjeista ei löytynyt tietoa useiden ongelmieni ratkaisuun. Nämä esteet ovat kuitenkin luontainen osa oppimisprosessia, vaikka harjoituksen aikana tuli lyötyä päätä seinään. Onnistuin ilmeisesti myös saamaan jollakin ilveellä lievän jännetulehduksen käsivarteeni. Oli miten oli, otin taas aimo harppauksen QGIS-ohjelmiston ymmärtämisessä ja yleisissä tiedonkäsittelyn taidoissa. Kartan viimeistely alkaa onnistumaan jo vain parissa minuutissa ja ongelmanratkaisu ohjelmiston syövereissä sujuu jo ilman Gisguru-Artun apua. Olen henkeen ja vereen kinesteettisen oppimistavan kulkija, joten asioiden tekeminen ja työstäminen on minulle paras tapa oppia uutta.

Harjoituksissa teemana oli pääasiassa erilaisten työkalujen ja laskentatapojen käyttö ja harjaantuminen QGIS-ohjelmistossa. Keskiössä oli erityisesti tietokantaan liittämiseen (join-toiminto, ei taas!) ja yhdistämiseen liittyvät toiminnot. Harjoituksia oli tällä kertaa kaksi, jossa ensimmäisessä tehtiin kartta Afrikan konflikteista, timanttikaivoksista ja öljykentistä, ja tutkittiin erilaisten muuttujien välisiä suhteita. Toisessa tehtiin Suomesta tulvaindeksikartta ja  ympyrädiagrammi järvisyysprosenteista.

(https://www.instagram.com/pokateo_maps/p/CrywEdkJ_z7/)

  

Ensimmäisen tehtävän sain vain puolilleen valmiiksi tunnilla, sillä minun piti kesken tunnin lähteä ainejärjestömme aktiivi-iltaan. Tämän seurauksena jouduin taas kerran selvittelemään suurimman osan tehtävistä ilman Artun auttavaa gis-kättä. Tehtävä perustui erilaisiin Afrikan valtiollisiin muuttujiin, ja niiden välisten suhteiden pohdintaan.

Kurssikerran alussa harjoiteltiin sellaisia toimintoja, joiden tarkoitus oli yhdistää tietokanta, koska siinä valtiot olivat jakaantuneet aineistossa useaan eri osaan. Toiminnot olivat dissolve (joka toimi tässä nimensä vastaisesti yhdistäjänä), select features by value (työläs toiminto, jossa jokainen valtio pitää erikseen yhdistää tietokantaan) ja aggregate (lasketaan osien summia). Tämän jälkeen pidettiin siivottu Afrikka-aineisto, ja siihen pyrittiin seuraavaksi lisäämään uutta tietoa join-toiminnolla. Tämän harjoituksen aikana tajusin viimeinkin, miten tieto pitää join-toiminnolla lisätä liitoksen onnistumiseksi. Ensinnäkin sarake, mihin pyritin liittämään pitää olla täysin samanlainen uuden tietokannan sarakkeen kanssa. Muuten tieto ei liity perille, vaan tieto korvautuu merkinnällä NULL. Tässä harjoituksessa taulukot liitettiin csv-tiedostona (comma seperated values), joista QGIS tuntuu pitävän eniten.

Sarakkeeseen lisättiin valtioittain tietoja väkiluvusta, internetin käyttäjistä ja Facebookin käyttäjistä Afrikan mantereella. Lisäksi näillä tiedoilla sai laskea vapaavalintaisia arvoja aineistoon field calculator -toiminnon avulla. Laskin itse Facebook-sovelluksen käyttäjien ja internetin käyttäjien osuuden koko väestöstä valtioittain. Visualisoin muuttujista seuraavanlaisen kartan.

Kartasta huomaa mielestäni selkeän korrelaation internetin ja Facebookin käyttäjien osuuksista maan elintasoon. Köyhissä maissa internetin käyttö on selkeästi vähempää ja rikkaissa maissa, kuten esimerkiksi Keniassa, Tunisiassa ja Marokossa internettiä käyttää yli 60 % väestöstä. Vähiten kaikista Afrikan maista internettiä käyttää Eritrea, jossa sitä käyttää vain 0.01 % väestöstä. Eritrea on yksi maailman köyhimmistä valtioista ja UNDP:n vuoden 2019 inhimillisen kehityksen indeksissä (HDI) Eritrea sijoittui 180:ksi 189 maan joukossa, mikä osoittaa, että maan sosioekonominen kehitys on erittäin alhaista (Eritrea Country Report, Bertelsmann Transformation Index (BTI), Bertelsmann Stiftung).

Internetin käyttäjistä eniten Facebookia (sosiaalista mediaa) käyttää esimerkiksi Libyan ja Cape Verden kaltaiset maat. Keniassa ja muuallakin itärannikolla Facebookia käytetään suhteellisen vähän. Ehkä nämä alueelliset erot sosiaalisen median käytössä voisivat johtua eri valtioiden länsimaalaisuudesta? Erään Statistan tutkimuksen (Number of Facebook users in Africa in 2022, by region, Saifaddin Galal, Aug 15, 2022) mukaan Pohjois-Amerikassa on suhteellisesti paljon enemmän Facebook-käyttäjätunnuksia kuin etelämpänä ja Keski-Afrikassa. Tämän ilmiön pystyy huomaamaan myös kartalta. Yksi outo asia ilmeni karttatason attribuuttitaulukossa minulle; Algeriassa näyttäisi käytettävän enemmän Facebookia kuin internettiä. Tämä ei tietenkään ole mahdollista, joten kyseessä on luultavasti virhe tietokannassa. Tällaisten tapausten takia tietokannat kannattaakin aina tarkistaa virheiden varalta.

Seuraavaksi ampaistiin karttataso täyteen lisää dataa, ja siihen lisättiin kurssiaineistosta Afrikan alueella tapahtuneet konfliktit vuosina 1947-2008 sekä timanttikaivokset ja öljykentät löytövuosiltaan noin 2000-luvun alulle saakka. Tarkoituksena oli tutkia näiden muuttujien välisiä riippuvuuksia, esimerkiksi kaivosten ja öljykenttien vaikutusta konflikteihin. Kaikki muuttujat piti erikseen laskea valtioittain erilaisten työkalujen avulla, ja tämän jälkeen sai itse laskea erilaisia riippuvuuksia sarakkeiden alamuuttujista. Öljykentät olivat aineistossa hieman päällekkäin valtionrajojen suhteen, minkä takia nämä piti ”pyöristää” näistä suurempaan valtioon. Nämä laskemiset sujuivat mielestäni suhteellisen kivuttomasti, ja laskin omiksi arvoiksi konfliktien laajuuden ja konfliktit vuosimäärinä. Tein näistä arvoista yhteensä kolme karttaa:

Kartoista ja niiden ominaisuustiedosta näkee, että eniten konflikteja on ollut Etiopiassa, jossa on ollut yhteensä 104 erilaista aseellista konfliktia vuosina 1947-2008 ja noin 37 vuoden ajan. Iso osa tästä ajasta menee luultavasti Etiopian sisällissodan 1974-1991 piikkiin, joka kesti yhteensä 30 vuotta (Ethiopian Civil War 1974-1991, Onwar.com). Etiopiassa on vielä tänäkin päivänä levottomuuksia, joista viimeisin oli vuosina 2020-2022 tapahtunut aseellinen yhteenotto Tigrayn Kriisi (Tigray Conflict, Human Rights Watch). Etiopian konfliktien laajuus (km^2) on ollut yhteensä 45450, joka on noin 4 % maan kokonaispinta-alasta. Tästä voidaan päätellä koko valtion tasoinen konfliktiherkkyys ja turvattomuus. Ulkoministeriön matkustustiedotteessa (Etiopia: matkustustiedote, Ulkoministeriö 15.1.2024) peräänkuulutetaan alueen turvattomuutta, jännitteitä ja epävarmaa tilannetta.

Kartat ovat pääpiirteittäin hyvin samankaltaisia, ja kaikissa kartoista huomaa selkeästi kaikkein konfliktiherkimmät Afrikan valtiot. Karttojen tiedoista näkee myös monia maita, joille ei ole ollut lainkaan konflikteja tarkasteluvälin aikana. Näitä maita on esimerkiksi Gabon, Botswana ja Benin. Eniten konfliktivuosia oli Angolalla (42 vuotta), jossa myös vaikuttaa suuresti sen sisällisota, joka kesti lähes 30 vuotta.

Tarkastellessa ensimmäistä karttaa huomaa, että suurin osa öljykentistä on jakautunut Pohjois-Afrikkaan ja timanttikaivokset Etelä- ja Länsi-Afrikkaan. Konfliktit ovat jakautuneet kartalle paljon epätasaisemmin. Kartasta huomaa, että kaivosten ja kenttien välillä on jonkinlainen yhteys, mutta aina sitä ei pysty selittämään. Heikki Säntti ottaa esille blogissaan (2024) juuri Etiopian poikkeavuuden. Alueella ei ole yhtään öljykenttä tai timanttikaivosta, mutta silti konflikteja siellä on kaikista valtioista eniten. Säntti ottaakin esille myös poliittiset ja uskonnolliset tekijät, mitkä voivat olla juurisyynä konfliktin aiheutumisessa. Stella Syrjänen ottaa blogissaan (2024) myös hyvän huomion siitä, että konfliktien symbolit johtavat hieman harhaan, sillä ne ovat kaikki kuvattu samalla tavalla, eikä piste itsessään kerro mitään konfliktin suuruudesta.

Tietokantoihin oli myös tallennettu tietoa useista muistakin muuttujista, kuten kaivosten ja kenttien löytämisvuosista, tuottavuusluokitteluista ja aloitusvuosista. Karttojen visualisointimahdollisuudet ovatkin lukuisat. Näistä voidaan arvioida esimerkiksi kaivoksen tai öljykentän ehtymistä tai esimerkiksi taloudellista hyötyä valtiolle. Näiden muuttujien avulla voidaan myös tutkia esimerkiksi kaivosten tai kenttien aloitusvuoden suhdetta konfliktien aloituksiin tai esimerkiksi tuottavuuden vaikuttavuutta konfliktin laajuuteen. Aura Niskanen ottaa myös blogissaan (2024) kiintoisan pointin, jossa timanttikaivosten korkea tuottavuus saattaa aiheuttaa korruptiota vastaan taistelevia kansalaisia, ja täten synnyttä konfliktia. En olisi itse tullut edes ajatelleeksi moista, mutta tällaista tilastoanalyysi välillä on. Aineistoa pitää spekuloida kaikilla mahdollisilla skenaarioilla.

Tietokannan alamuuttujista löytyy myös tietoa yksittäisten konfliktien laajuuksista ja tapahtumavuosista, jotka voivat kertoa tuhoutuneen alueen laajuudesta, mistä on hyötyä alueen jälleenrakennukselle, humanitääriselle avulle ja ympäristötuhojen arvioimiselle.

Seuraavassa tehtävässä harjoiteltiin samoja asioita kuin edellisessä – joskin tällä kertaa itsenäisesti. Tällä kertaa vaihdettiin Afrikan mantereesta takaisin isänmaamme Suomen tasolle, ja tutkimusaiheena oli tulvaindeksikartan teko ja tulvariskialueiden visualisointi koropleettikartalle, sekä ympyrädiagrammien teko teemakartan päälle valuma-alueiden järvisyys ja maa-asteista. Hydrogeografia ei ole lainkaan vahvuuksiani maantieteellä, joten kertaus valuma-alueista, virtaamasta ja tulvaherkkyydestä tuli tarpeeseen. Tulvaindeksi tarkoittaa tulvan (ylivirtaaman) ja kuivan kauden (alivirtaaman) suhdetta toisiinsa, ja se laskettiin jakamalla keskiylivirtaaman määrä keskialivirtaaman määrällä. Tulvaindeksin pystyi laskemaan myös keskivirtaamasta ja -ylivirtaamasta, missä se kuvaa tulvahuipun suhdetta keskimääräiseen. Yksikkönä tässä aineistossa on veden virtaama kuutiometri/sekunnissa, mikä on aina käytössä kuvatessa isojen uomien virtaamia.

Samaan aineistoon tuotiin edellisessä harjoituksessa oppimieni työkalujen avulla myös järvisyysprosentit erillisestä Excel-taulukosta ja keskiylivirtaamat erillisestä tasosta. Tarkoituksena oli saada aikaan taulukko, jossa näkyisi kaikki karttaan tarvittavat arvot. Järvien nimissä minulla tuli eteen kuitenkin ongelma, jossa taistelin hyvin kauan. Järvien vieraskirjaimet eivät vastanneet jostain syystä toisiaan yhdistetyssä aineistossa, minkä takia tasojen yhdistäminen ei onnistunut niiden arvojen osalta, jossa oli mukana vieraskirjaimia. Ratkaisin ongelman keskiylivirtaaman osalta yhdistämällä tason järvien tunnusnumeroiden osalta, mutta järvisyysprosenttiaineistossa näitä numeroita ei ollut, joten päätin kirjottaa järvien tunnusluvut käsin Exceliin. Lukiessani Taika Jaakkolan (2024) blogia huomasin, että tähän olikin olemassa helpompikin ratkaisu, mutta tällaista tämä opiskelu joskus on. Parhainta tapaa ei aina löydä itse.

Saatuani vihdoin ja viimein yhdistettyä tasot keskenään, visualisoin kartan seuraavanlaiseksi:

Kartan ympyrädiagrammit valuma-alueiden järvisyysasteista menivät hieman päällekkäin, ja esimerkiksi Pietu Nuortimo (2024) blogissaan laati kartat erillään toisitaan tämän takia. Mielestäni kartastani saa kuitenkin riittävän hyvin informaation välitettyä. Käytin tulvaindeksissäni myös suhteellisen paljon luokitteluja, yhteensä yhdeksää. Tämä oli siitä syystä, että halusin saada Lapin alueen erottumaan Itä-ja Keski-Suomesta tulvariskin kannalta.

Kartasta huomaamme tulvariskialueiden selvän alueellisen jakaantumisen rannikkoalueille – erityisesti Lounais-ja Etelä-Suomeen. Näille rannikkotulville on useita syitä. Joet muodostavat rannikolle matalapohjaisia deltoja, mikä johtuu joen kuljettamasta maa-aineksesta. Maa-aines laskeutuu maahan, kun joen virtaus hidastuu sen laskiessa mereen. Nämä delta-alueet ovat hyvin tulvariskejä alueita, jos sadanta lisääntyy radikaalisti tai esimerkiksi rankkojen sulamisvesien seurauksena. Länsi-Suomessa on jääkauden seurauksena muutenkin hyvin laakeat pinnanmuodot, mikä altistaa laajemmillekin tulville. Lapissa tulvat johtuvat yleensä juuri sulamisvesistä johtuen sen suuresta lumen ja jään määrästä.

Myrskyaallot ovat myös keskeinen tekijä rannikkotulvissa myrskytuulten nostattaessa aaltoja, jotka paiskautuvat rannikolle – välillä tuhoisin seurauksin.  Luontainen ja ihmisvaikutteinen eroosio pahentaa myrskyaaltojen vaikutuksia, kun vähentynyt luonnollinen suojaus altistaa pahemmille tulville. Myös tavalliset aallot voivat aiheuttaa tulvia, erityisesti ilmastonmuutoksen aiheuttaman merenkohoamisen takia. IPCC:n ennusteen mukaan merenpinta nousee 18–59 cm vuoteen 2100 mennessä, mikä johtuu sen aiheuttamasta lämpölaajenemisesta (Merenpinnan nousu, Ilmasto.org). Itämerellä maankohoaminen lieventää paljolti merenpinnan nousun vaikutusta (WWF, Itämeri) ja merenpinnan kohoamisen suurimmat uhat kohdistuvatkin päiväntasaajan alueelle, saarivaltioihin ja valtamerten rannikkomaille,

Maa- ja vesistöasteita kuvaavista ympyrädiagrammeista huomaamme myös, että järvien suuremmalla osuudella on negatiivinen korrelaatio korkean tulvariskin kanssa. Järvet harvoin tulvivat, sillä ne toimivat veden varastoijina ja niistä virtaa yleensä jokia ja ojia niistä poispäin. Tosin pitää muistaa, että ylivoimaisesti suurin osa Suomen järvistä sijaitsee Keski-Suomessa, jossa tulvariski on muutenkin vähäistä johtuen sen etäisyydestä rannikolle. Järvisyysasteen ja korkean tulvariskin välillä ei siis vältämättä ole kausaatiosuhdetta.

Tämä kurssikerta oli ylivoimaisesti työläin, vaikka tehtävää olisi ollut vielä enemmänkin tulvaindeksitehtävän haastavamman version muodossa. Tällä kertaa jaksamiseni ei kuitenkaan riittänyt enää ratkomaan sitä.

Uusiin haasteisiin!

p.s. olen ollut tällä viikolla kolme kertaa lähes puoleen yöhön asti kampuksella!

Lähdeluettelo:

Eritrea Country Report, Bertelsmann Transformation Index (BTI), Bertelsmann Stiftung. Viitattu 1.2.2024 (https://bti-project.org/en/reports/country-report/ERI)

Number of Facebook users in Africa in 2022, by region, Saifaddin Galal, Aug 15, 2022. Viitattu 1.2.2024 (https://www.statista.com/statistics/1326446/number-of-facebook-users-in-africa/)

Ethiopian Civil War 1974-1991, Onwar.com. Viitattu 1.2.2024. (https://onwar.com/data/ethiopia1974.html)

Tigray Conflict, Human Rights Watch. Viitattu 1.2.2024 (https://www.hrw.org/africa/ethiopia#:~:text=Throughout%20this%20conflict%2C%20thousands%20of,Tigrayans%20in%20Western%20Tigray%20escalated.&text=%E2%80%9CWe%20couldn’t%20access%20the,us%20any%20food%20or%20water)

Etiopia: matkustustiedote, Ulkoministeriö 15.1.2024. Viitattu 1.2.2024. (https://um.fi/matkustustiedote/-/c/ET)

H. Säntti (2024) Heiggi’s blog: Kolmas kurssikerta. Viitattu 1.2.2024 (https://blogs.helsinki.fi/hksantti/)

S. Syrjänen (2024) Stella’s blog: 3 viikko, Afrikka. Viitattu 1.2.2024 (https://blogs.helsinki.fi/stellasy/)

A. Niskanen (2024) Auran Blogi: Kolmas kurssikerta. Viitattu 1.2.2024 (https://blogs.helsinki.fi/niskanau/)

T. Jaakkola (2024) Taikamatkalla Gis-velhoksi: Tietokantojen tunnelmissa – Konflikteja Afrikassa ja tulvia Suomessa. Viitattu 1.2.2024 (https://blogs.helsinki.fi/jztaika/2024/02/01/tietokantojen-tunnelmissa-konflikteja-afrikassa-ja-tulvia-suomessa/)

P. Nuortimo (2024) Pietun Gis-seikkailu: Kolmas kurssikerta. Viitattu 1.2.2024 (https://blogs.helsinki.fi/pietunuo/)

Merenpinnan nousu, Ilmasto.org. Viitattu 1.2.2024 (http://www.ilmasto.org/ilmastonmuutos/seuraukset/fysikaaliset-seuraukset/merenpinnan-nousu.html#:~:text=Merenpinta%20kohoaa%20l%C3%A4mp%C3%B6laajenemisen%20ja%20j%C3%A4%C3%A4tik%C3%B6iden,vie%20siis%20l%C3%A4mmetess%C3%A4%C3%A4n%20enemm%C3%A4n%20tilaa.)

WWF, Itämeri. Viitattu 11.2.2024 (https://wwf.fi/ilmastonmuutos-suomessa/itameri/)

Kuvat:

https://www.instagram.com/pokateo_maps/p/CrywEdkJ_z7/

https://makeagif.com/gif/ugandan-cinema-cgi-at-its-finest-wk41LO)