Kuudennella kurssikerralla ampaistiin jälleen kerran karttojen teon kimppuun, ja tehtiin erilaisia karttoja valitsemistaan attribuuteista annetuista paikkatietokannoista, jotka käsittelivät vulkanismia, maanjäristyksiä ja astrobleemejä. Kurssikerralla päästiin myös haukkaamaan raitista ulkoilmaa datankeräyksen merkeissä.

Kerralla saatiin ensimmäinen kosketus yhteen gis-gurun tärkeimmistä analyysityökaluista, interpolointiin. Interpoloinnilla tarkoitetaan karkeasti mitä tahansa matemaattista menetelmää, jolla estimoidaan tunnettujen arvojen väliin uusia arvoja. Kurssikerralla käytimme IDW (Inverse distance weighting) muotoista interpolointia, joka on yksi spatiaalisen interpoloinnin muoto. Tämä ottaa estimoinnissaan keskiöön spatiaalisen autokorrelaation, sekä täten Toblerin ensimmäisen maantieteen säännön: “kaikki riippuu aina kaikesta muusta, mutta lähellä toisiaan olevat riippuvat enemmän kuin kaukana toisistaan olevat”. IDW on tarkoitettu pistemuotoisen paikkatiedon interpolointiin, ja se arvioi arvoja pisteiden välimatkan perusteella (ks. kuva 1.)

Interpolointia Kumpulan kampuksen lähiympäristön kohteista

Kurssikerralla interpolointia harjoiteltiin kurssilaisten itse keräämästä aineistosta, jota käytiin kurssikerran alussa hakemassa kampuksen lähiympäristöstä. Aineiston keruuseen käytettiin Epicollect5-nimistä kännykälle ladattavaa datankeruusovellusta. Epicollect5-sovellukseen oli kurssiopettaja Arttu luonut oman projektin, johon ainestoa kerättiin koordinaatein, ja vastattiin ennalta määritettyihin kysymyksiin. Tehtävänä oli etsiä erilaisia kohteita, ja arvioida tämän jälkeen niiden miellyttävyyttä, turvallisuutta ja houkuttelevuutta. Tämän jälkeen tulokset nidottiin yhteen ja lähetettiin kurssilaisille QGIS:in IDW-interpolointiin.

Kävimme kaverieni Antti Pihlaviston, Weidi Zhongin ja Vivian Wagnerin kanssa Weidin autolla kipaisemassa pienen lenkin Käpylästä Lammassaareen, ja merkkasimme kohteita muun muassa Intianpuistosta ja Vanhankaupunginkoskesta.

Interpoloinnissa heti ensimmäisenä huomiona oli muistaa asettaa interpoloinnin rasterikoko tarpeeksi pieneksi, jottei toiminnossa kestäisi miljoona vuotta. Tein kaksi interpolointia; toisen alueen koetusta turvallisuudesta ja toisen miellyttävyydestä. Kokeilin näihin hieman eri rasterikokoja ja tein visualisoinnit eri tavoin.

Kartat korreloivat hieman toistensa kanssa, ja sekä turvattomimmat ja epämiellyttävimmät paikat näyttävät sijoittuvat Kustaa Vaasan tien lähettyville, mikä on erittäin vilkas valtatie, jossa kulkee niin julkista, kuin yksityistäkin liikennettä. Muita huomaamiani nostoja turvattomille paikoille on esimerkiksi Kumpulanmäen portaat, jotka ovat erityisen liukkaat näin talvisin, Gustaf Hällströmin kadun ylittävä suojatie ja näköesteinen risteys Kumpulan puutaloalueella. Miellyttävät paikat taas sijoittuvat erityisesti Kumpulan puutaloalueelle ja Lammassaarelle, mikä kertoo toisaalta arvostuksesta luonnonläheisiä kohteita kohtaan.

Interpoloinnista huomaa, miten algoritmi on laskenut estimaatteja. Esimerkiksi turvallisuuskartasta huomaa sen laskevan Arabianrannan eteläpuolen jatkuvan hieman turvattomampana, kuin muu ympäristö, vaikka tällä alueella ei ollut lainkaan havaintopisteitä. Algoritmi on arvioinut turvattomuuden jatkuvan pidemmälle. Samalla esimerkiksi Käpylän alue on arvioitu olevan kauttaaltaan suhteellisen turvallista.

Miellyttävyyskartassa käytin pienempiä rasterikokoja, joka näkyy päältä päin ainoastaan zoomaamalla lähemmäs, pikselien mittakaavaan. Hieman kömpelyyttä kartassa on mielestäni Kumpulan kampuksen kohdilla, jossa havaintopisteet näyttäytyvät hyvin pieniltä. Visualisoinnit ovat mielestäni kuitenkin onnistuneet ja näyttävät.

Vapaavalintaiset kartat

Seuraavana vuorossa oli vapaavalintoista attribuuteista tehdyt kartat, joita piti etsiä kolmesta tietokannasta. Harjoituksessa pääsikin tekemään uniikkeja visualisointeja Ensimmäinen tietokanta oli USGS:n (United States Geological Survey) maanjäristystietokanta (Earthquake Catalog, USGS), joista löytyi valtioittain, vuosittain ja magnitudittain tietoa maanjäristyksistä. Tein tästä tietokannasta kaksi karttaa, toisen maasta ja toisen maailman tasolla suurimmista maanjäristyksistä.

Toisesta tietokannasta (NCEI Volcano Location Database. NOAA National Centers for Environmental Information) löytyi hurjan paljon tietoa vulkanismista; esimerkiksi tulivuorista, purkauksista ja vulkaanisista ilmiöstä. Viimeinen tietokanta oli Nasan sivuilta löytyvä meteoriittien laskeutumisten tietokanta (Meteorite Landings, The Meteoritical Society, NASA’s Open Data Portal). Tietokantojen vieminen QGIS:iin tuotti jälleen omat haasteensa, kun aineistot eivät olleet aina yhteensopivia, ja niitä piti muokkailla erikseen.

Projektiona kartoissa käytin pääasiassa kompromissiprojektio Robinsonia, joka sopi mielestäni kaikkiin karttoihin oikein hyvin. Pyrin koittamaan Winkel Tripel-projektiota, mutta itsellä tuli tähän projektioon toistuvasti jokin häikkä. Zoomatessa lähemmäksi kartta ikään kuin hävisi kokonaan. Myös jotkut QuickMapServicen kartat alkoivat minulla jossain kohtaa käyttäytyä hieman samalla tavalla. Esimerkiksi jotkut Maanmittauslaitoksen tuottamat avoimet Kapsi-kartat alkoivat käyttäytyä samalla tavoin, jolloin kartta näkyi vain zoomatessa lähemmäs. Projektion vaihtelusta, uuden työn luomisesta ja pluginin uudelleenasentamisesta ei ollut apua.

Maanjäristyskartta

 

Ensimmäinen karttani oli maanjäristyskartta, jonka tein Oseanian alueesta.  Lisäsin karttaan Githubista litosfäärilauttojen rajat (H. Ahlenius, Github, Tectonic Plates), ja maanjäristysaineistosta yli 6 magnitudin (erittäin voimakkaat maanjäristykset) mitatut maanjäristykset vuodesta 1980 nykyhetkeen.

Kartassani päädyin ehkä vähän leikkimään visualisoinneissa liikaa, mutta pakkohan se on myöntää, että tulipahan “cooli”. Kategorisoinnin pisteiden kokoa magnitudin koon perusteella, ja lisäsin yli 7,5 magnitudin maanjäristyksiin labelit. AutoNavin satelliittikartan otin QGIS:sin QuickMapService-pluginin kautta. Liiasta monipuolisuudestaan huolimatta kartta havainnollistaa mielestäni hyvin järistysten sijoittumista litosfäärilauttojen läheisyyteen. Kartasta näkee hyvin, missä paikoissa aktiivisuutta on erittäin paljon, ja missä sitä on vähän. Tässä onkin suomalaisille lomamatkailijoille hyvä havainnollistus, missä paikoissa voi jalat tutista.

Kartasta huomaa hyvin esimerkiksi, kuinka läntisen Sumatran rannikolla on neljä yli 8 magnitudin järistyksiä. Yksi näistä on 9.1 magnitudin Intian Valtameren maanjäristys, mikä sai aikaa tsunamin, joka on vielä tänä päivänäkin tämän vuosisadan eniten kuolonuhreja vaatinut luonnonkatastrofi. Maanjäristys syntyi Sumatran subduktiovyöhykeellä, missä tapahtui litosfäärilaattojen työntövoiman aikaansaama repeämä (Tsunami Generation from the 2004 M=9.1 Sumatra-Andaman Earthquake Completed By Pacific Coastal and Marine Science Center, USGS 2018).

Tulivuorikartat

Seuraavaksi tutkin tulivuoria Yhdysvaltain liittovaltion sää- ja valtamerentutkimusorganisaatio NOAA;n tuottaman tietokannan pohjalta. Tein tästä aineistosta kaksi karttaa hieman eri metodein. Ensimmäinen karttani käsitteli tuhkakartioita (“tuffikeiloja”) ja vulkaanisia kenttiä Pohjois-Amerikan mantereella. Tuffikeila on tulivuorityyppi, joka koostuu purkauksessa ilmaan lentäneestä vulkaanisesta tuhkasta ja muista pyroklastisista materiaaleista muodostaen kartiomaisen rakenteen. Tuffikeiloja esiintyy useasti niin kutsutuilla vulkaanisilla kentillä tai niiden lähettyvillä. Vulkaaninen kenttä on alue maankuoressa, jossa on paljon vulkaanista toimintaa. Vulkaanisen kentän käsitteen geologinen määritelmä on hieman häilyvä (E. Canon-Tapia 2017).

Kuten arvata saattaa, päädyin jälleen kerran leikkimään toden teolla visualisoinneilla ja mielestäni kartasta tulikin oikein hieno (vaikka itse sanonkin). Lisäsin karttaan suurimpien vulkaanisten kenttien nimet, sekä tuffikeilojen viimeisimmän tunnetun purkausvuoden. Selitykset purkausvuodelle sain karttaan tietokannan omista selitteistä. Muutin myös tuffikeilojen koot niiden korkeuden mukaan. Kartasta löytyy myös litosfäärilauttojen rajat ja valtiorajat. Taustakarttana käytin QuickMapService-pluginin ESRI:n satelliittikarttaa. Käytin tässäkin kartassa Robinsonin projektiota, vaikka tosin kuvasin kartallani vain Pohjois-Amerikan manteretta, olisin voinut harkita käyttäväni oikeakulmaista projektiota, kuten Mercatoria.

Kartasta huomaa hyvin tuffikeilojen sijoittumisen useimpien vulkaanisten kenttien läheisyyteen. Suurin osa kaikesta vulkaanisesta toiminnasta sijoittuu myös selvästi litosfäärilautan rajapinnan läheisyyteen Pohjois- ja Väli-Amerikan länsirannikolle. Kaukaisin litosfäärilautan rajasta näyttäisi olevan Red Hill-niminen vulkaaninen kenttä. Väli-Amerikassa, suunnilleen El Salvadorin alueella, näyttäisi olevan hyvin paljolti vulkaanisia kenttiä lähekkäin.

Yritin etsiä NOAA:n tietokannasta hieman syytä, miksi tietokannassa on niin vähän tuffikeiloja. Todellisuudessa koko Pohjois-Amerikan länsirannikko on lähes täynnä niitä. Esimerkiksi edellä mainitussa Red Hill-kentässä yksistään on noin 40 tuffikeilaa (Red Hill-Quemado Volcanic Field, USGS). Kai tietokannassa on kai, jokin ehto millä tulokset näytetään? Nimetyt tuffikeilat?

Toisessa kartassani koitin interpolointia vuodesta 1980 eteenpäin tapahtuneista tulivuorenpurkauksista. Pyrin ensiksi käyttämään aiemmin oppimaan IDW-interpolointia, mutta siinä kuitenkaan onnistumatta. Vähääkään järkevät rasterikoot osoittautuivat liian raskaiksi tietokoneelle, ja koneelta olisi kestänyt ainakin se miljoona vuotta suorittaa prosessi. Pienissä rasteriko’oissa tulos jotenkin korruptoitui, eikä mennyt kartalle mitenkään järkevästi. Luulin, että vika olisi jotenkin projektioissa, mutta kokeiltuani muutamia keinoja päätin jättää leikin kesken.

Päätin kuitenkin tehdä jonkinlaista interpolointia, eli lämpökartan (heatmap), purkauksista. Lämpökartan “tiheys” lasketaan pisteiden lukumäärän perusteella, ja suurempi määrä pisteitä johtaa suurempiin arvoihin. Tuloksena oli hieman idw-tapaa muistuttava tulos, ja mielestäni aika järkeväkin.

Kartasta näkyy hyvin purkausten jakaantuminen, ja suurimmat “hotspotit” purkauksille. Tosin ehkä tämän kartan teko meni hieman taas visuaalisuuden puolelle, enkä näe tälle kartalle mitään erityistä käyttötarkoitusta. Lisäsin myös tulivuorten nimet kartalle, mikä ehkä oli hieman turhaa.

Taustakartan laittaminen kartan päälle ei onnistunut, joten löysin netistä todella kätevän oikotien. Kirjoittamalla koordinaattikenttään “world” saa suoraan QGIS:iin maailmankartan, ja vieläpä vektorimuotoisena, joten valtioihin voi helposti laskea pisteitä. Tulen tätä toimintoa varmasti vielä käyttämään.

Meteoriittikartta

Alkuperäinen suunnitelmani oli esimerkiksi tehdä Suomen alueesta astrobleemikartta, mutta huomatessani meteorien iskujen vähäisyyden, päätin siirtyä isompaan mittakaavaan, tehden lopulta Euroopan alueesta meteoriittikartan. Tähän karttaan käytin paljon aikaa, sillä halusin meteoriittieniskuista visualisoitua meteoriitin mineraaliluokituksen väreillä, sekä sen massan pisteiden kokovaihteluilla. Tämä oli hankalaa, ja piti tehdä “Rule-Based Symbology” välilehden komennoilla.

Minulla oli ensin paljon ongelmia juuri kyseisen ongelman kanssa. Yritin ensin muuttaa värit categorized-symbologian avulla, ja sitten tekemään “expressionin” if-lausekkeen kokovaihtelusta. Tämä ei kuitenkaan onnistunut, sillä värit ja koko vaihtuvat aina molemmat uuden “säännön” tehdessä, enkä onnistunut laittamaan näitä molempia sääntöjä yhteen. Sitten löysin netistä, että kokoja pystyy, jotenkin muuttamaan yksittäisen symbolin kohdalta “data-defined override” toiminnon avulla. Tässä ei kuitenkaan pystynyt muokkaamaan kokovaihteluja järkevästi, kun meteoriittien massat vaihtelivat aina yhdestä grammasta 60 000 000 grammaan saakka.

Lopulta löysin rule-based symbologystä toiminnon, jossa jokaiselle kokovaihtelulle pystyi määrittämään oman alaluokkansa (“add ranges to rule”), jossa pystyin vaihtamaan helposti luokkien koot.

Lisäsin karttaan myös valtioittain meteoriittien iskujen määrät (“count points in polygon”), sekä labelit kolmen suurimman meteoriittiluokan meteoriittien nimistä ehtolausekkeen avulla.

Sain idean meteoriittiluokitusten lisäämisestä karttaan etsiessäni tietoa luokituksista ja löydettyäni Medium.com-sivuston artikkelin (Medium.com/e2eSA 2023) aiheesta, missä oli kuva hieman samankaltaisesta kartasta. Tämä kartta oli kuitenkin suoraan interaktiivinen, josta pystyisi suoraan klikkaamaan pisteestä tiedot – ominaisuus minkä toivoisin oppivani myös QGIS:stä. Tämä onnistuu ilmeisesti (Mapscaping.com/D. Odonohue (2023)) qgis2web-pluginin avulla. Mediumin artikkelin kuvan kartassa oli myös skrollattava legenda, jossa luokitukset näkyi helposti. Omassa kartassani jouduin legendan kanssa kamppailemaan toden teolla, että sain siitä jotenkin järkevän näköisen. Muilla tavoin olen karttaan jokseenkin tyytyväinen, vaikka karttaa tutkiessa onkin vaikea erottaa todellisia luokkia. Olisi ehkä voinut olla järkevää laittaa luokat vielä erikseen labeleihin nimien sijasta. Kartta kuitenkin näyttää hienolta, ja sehän on se pääasia, eikö olekin? 😀

Kartasta pystyt kuitenkin jotenkin vertailemaan ja havainnoimaan suurimpia iskemiä, ja niiden koostumusta. Tein kartan oletuksella, että sen lukijalla olisi käsitys meteoriittien luokituksista. Tässä kuitenkin taulukko (Meteorite Classification Table, Meteoritestudies) meteoriittien luokituksista:

Luokitukset perustuvat suurimmaksi osaksi mineraalikoostumuksen mukaan. Karkeasti meteoriitit jaetaan kivi ja rautameteoriitteihin. Kivimeteoriitit jaetaan kahteen: jyvärakenteisiin kondriitteihin ja akondriitteihin. Nämä jakaantuvat edelleen lukuisiin eri tyyppeihin. Kartassani löytyy myös luokitusepäilyt, eli meteoriitit, joiden epäillään kuuluvan tiettyyn luokkaan. Suurimpia meteoriitteja Euroopasta löytyy esimerkiksi 1,23 tonnin massan omaava L-kondriittitypin Tsarev-meteoriitti (Venäjä, 1968) (The Meteoritical Bulletin Database, The Meteoritical Society) ja 1,5 tonnin IAB-Complex of (rautameteoriitti, joka sisältää silikaattia) Bitburg-metoriitti (Saksa 1805) (Mindat.org, Bitburg Meteorite)

Kartasta huomaa, että ylivoimaisesti eniten meteoriitteja on Euroopan maista Venäjällä, toki pinta-alallisista syistä. Euroopan maiden ulkopuolella Marokko ja Libya näkyvät kartalla myös ainoina yli 300 meteoriittimäärään kuuluvina. Maat sijaitsevat lähempänä päiväntasaajaa, minkä vuoksi meteoriitit hakeutuvat sinne. Löytöihin vaikuttaa oleellisesti myös maastonmuoto, sillä kyseiset maat ovat suurimmaksi osaksi aavikkoa, missä meteoriittihavainnot ovat helppo havaita. Mielestäni kartasta huomaa myös sen, että harvaan asutuilla alueilla on vähemmän meteoriittihavaintoja, minkä takia kattavaa kuvaa kaikkien iskemien jakaantumisesta ei saa. Tämä ei toki ole kartan syytä, vaan dataa ei yksinkertaisesti ole.

Kurssikerran tehtävät olivat mukavia ja karttojen visualisointi on mielestäni hyvin rentouttavaa. Interpolointi tuli myös uutena elementtinä gis-työkalupakkiini ja sen käyttö avaa monia mahdollisuuksia ohjelmiston käytössä.

Viimeistä viedään!

Lähteet:

R. Tieppo (Github) Inverse Distance Weighting (IDW) Interpolation. Viitattu 5.3.2024. (https://rafatieppo.github.io/post/2018_07_27_idw2pyr/)

Earthquake Catalog, USGS. Viitattu 5.3.2024 (https://earthquake.usgs.gov/earthquakes/search/)

H.Ahlenius/Github (2024) Tectonic Plates. Viitattu 5.3.2023. (https://github.com/fraxen/tectonicplates)

USGS (2018)Tsunami Generation from the 2004 M=9.1 Sumatra-Andaman Earthquake Completed By Pacific Coastal and Marine Science Center. Viitattu 5.3.2024 (https://www.usgs.gov/centers/pcmsc/science/tsunami-generation-2004-m91-sumatra-andaman-earthquake)

NCEI Volcano Location Database. NOAA National Centers for Environmental Information. Viitattu 5.3.2024 (https://www.ngdc.noaa.gov/hazel/view/hazards/volcano/loc-search)

Canon-Tapia, Edgardo. “From” Volcanic Field” to” Volcanic Province”: A Continuum of Spatial-Clustered Structures With Geological Significance or a Matter of Academic Snobbism?.” AGU Fall Meeting Abstracts. Vol. 2017. 2017. Viitattu 11.3.2024 (https://ui.adsabs.harvard.edu/abs/2017AGUFM.V54A..01C/abstract)

United States Geological Survey, Red Hill Quemado Volcanic Field. Viitattu 5.3.2024. (https://www.usgs.gov/volcanoes/red-hill-quemado-volcanic-field)

Meteorite Landings, The Meteoritical Society, NASA’s Open Data Portal. Viitattu 7.3.2024 (https://data.nasa.gov/Space-Science/Meteorite-Landings/gh4g-9sfh/about_data)

Mapscaping.com/D. Odonohue (2023) Qgis projects into interactive online maps. Viitattu 7.3.2024 (https://mapscaping.com/qgis-projects-into-interactive-online-maps/)

Medium.com/e2eSA (2023) Meteorite Landings Visualization. Viitattu 7.3.2023 (https://medium.com/@awstechguide/meteorite-landings-visualization-8e01c76ebdba)

Meteorite Classification Table, Meteoritestudies. Viitattu 7.3.2023 (https://www.meteoritestudies.com/MetTab22.pdf)

The Meteoritical Society, The Meteoritical Bulletin Database. Viitattu 7.3.2023 (https://www.lpi.usra.edu/meteor/metbull.php?code=24058)

Mindat.org, Bitburg Meteorite. Viitattu 7.3.2023 (https://www.mindat.org/loc-264339.html)