KK3 – Tulvia ja Taulukoita

Kolmannen kurssikerran alussa saattoi todeta, että alkukauhistus Mapinfoon oli selätetty. Ensimmäisten kurssikertojen aikana paikkatieto-ohjelman keskeisimmät toiminnot, periaatteet sekä aineistojen visualisoiminen olivat tulleet tutuiksi. Orastava itsevarmuus tulikin tarpeeseen, kun kolmannessa kurssikokonaisuudessa syvennyttiin tietokantoihin ja niiden hallintaan.

Tietokannat ovat paikkatieto-ohjelmistossa hyvin keskeisiä, koska kaikki kartalle visualisoitava tieto tallentuu niihin. Ne ovat ulkomuodoltaan perinteisiä taulukoita, joita pääsee tarkastelemaan Mapinfossa Browser-ikkunoiden kautta. Kyky muokata ja yhdistää tietokantoja ja tuoda niitä muista ohjelmista on tärkeää, sillä yksittäinen aineisto ei välttämättä sisällä tarvittavaa informaatiota.

Kurssikerran alkuosa kului tuttuun tapaan Artun ohjeita seuratessa. Tutuksi tuli muun muassa taulukkojen tuominen Excelistä, uusien sarakkeiden luominen ja tietokantojen yhdistely. Tärkeänä ominaisuutena opimme myös tuottamaan tietokantoihin uutta tietoa vanhojen sarakkeiden avulla.

Väistämättä taulukkojen parissa työskennellessä tuli verrattua käyttökokemusta Exceliin, jossa uusia sarakkeita voi luoda suoraan taulukkoon. Pääasiallisena erona on, että Mapinfossa tietueiden muokkaus ja hallinnointi tapahtuu erilaisten valikoiden kautta. Vanhakantaisempi käytäntö tuntui aluksi hieman vaikealta, mutta kyse on lopulta kosmeettisesta seikasta. Tutut työkalut löytyvät kyllä valikoiden kätköistä pienen etsinnän tuloksena.

Itsenäistehtävänä kurssikerran loppupuolella tuotettiin tulvaindeksikartta Suomesta valuma-alueittain. Tehtävässä yhdisteltiin edellisen viikon teemakarttojen visualisointikeinoja ja vastaopittuja tietokantojen muokkaamista. Tuloksen perusteella pyrittäisiin lopuksi tarkastelemaan järvisyyden ja tulvaherkkyyden yhteyttä alueellisesti.

Aluksi sovellettiin aiemmin aamulla opittuja taitoja tietokantoja muokkaamalla. Lähdeaineistona käytettävää valuma-alueet.tab- tiedostoon lisättiin informaatiota sekä toisesta Mapinfo-tietokannasta (keskiylivirtaama.tab) että Excel-taulukosta (järvisyys.xls). Tämän jälkeen uuden virtaamatiedon avulla laskettiin tulvaindeksi omaan sarakkeeseensa. Taulukkovaihe sujui kaikin puolin jouhevasti, ja tietueiden päivittäminen maintenance- ja update column-valikoissa alkoi tuntumaan varsin selkeältä.

Visualisointivaiheessa teemakartta-tyypit oli tällä kertaa rajattu tehtävänannossa: tulvaindeksiä kuvattaisiin koropleettikartalla ja järvisyyttä pylväsdiagrammeina. Täten oma näkemystä toteutettaisiin lähinnä värimaailman suhteen. Tulvariskiä kuvaamaan valitsin sinisen värimaailman, sillä liukuväri kuvasti mielestäni lähekkäistenkin alueiden eroja tehokkaasti. Järvienkin pylväät olisivat voineet olla teeman puolesta sinertäviä. Päädyin kuitenkin hyvän erottuvuuden takaamiseksi tässä tapauksessa vihreään värivalintaan.

Kuva 1. Histogrammi tulvaindeksi-aineiston jakaumasta.

Kuva 1. Histogrammi tulvaindeksi-aineiston jakaumasta.

Koropleettiaineiston luokittelussa käytettiin tällä kertaa valmista histogrammia. Aineisto oli sen perusteella vino, joten valitsin luokittelutavaksi kvantiilit. Pidin kuitenkin ongelmallisena aineiston huippukohtaa (1100), joka vääristi suurimman luokan vaihteluvälin todella suureksi. Samaa ongelmaa pohtii Niklas Aalto-Setälä blogissaan: ”Suurimman arvon kuitenkin erotuessa niin paljon muista arvoista oli päädyin minä ratkaisuun jossa suurin arvo on yksi oma luokkansa ja muuten luokitus on luonnollisin luokkarajoin. Tällä haluisin saada esille yhden selvästi suuremman luokan enkä antaa sen hukkua muhin luokkiin”. Päädyin itsekin samanlaiseen ratkaisuun, eli erotin Aurajoen valuma-alueen omaksi luokakseen. Halusin lisäksi korostamaan alueen poikkeuksellisuutta nimeämällä sen kartalle.

Pylväsdiagrammien lisääminen kartalle ei ollut aivan ongelmatonta. Pylväät peittivät helposti alleen pienempiä valuma-alueita etenkin rannikkoseuduilla. Kuitenkin niiden liiallinen kutistaminen teki kartasta vaikeaselkoisen. Kultainen keskitie osoittautui oikeaksi ratkaisuksi, kun asetin pylväiden koot kasvamaan neliöjuuressa oikeiden arvojen sijaan. Tällöin niiden keskinäinen vertailtavuus heikkeni hieman, mutta teemakarttapohja tuli paremmin esiin. Samasta syystä päädyin myös tekemään pylväistä varsin ohuita.

Valmista karttaa tulkitessa on tärkeää ymmärtää, mitä tulvaindeksi oikeastaan tarkoittaa. Kurssiopettaja Arttu Paarlahti selventää kurssin tiedotusblogissa että sen avulla ”saadaan selville kuinka moninkertainen on virtaaman huippu verrattuna kaikkein kuivimpaan aikaan.” Kyse on siis virtauman ajallista vaihtelua kuvaavasta indeksinumerosta.

Kuva 2. Teemakartta tulvaindekseistä ja järvisyydestä

Kuva 2. Teemakartta tulvaindekseistä ja järvisyydestä

Luku siis kuvastaa virtauman vaihtelua alueen vesistöissä. Järvisyys puolestaan tarkoittaa järvien osuutta maapinta-alasta.

Lopullisesta kartasta erottuu selvästi yhteys alueiden järvisyyden ja tulvaindeksin välillä. Sisämaan ja Lapin laajat, järviset valuma-alueet ovat tulvaindeksiltään hyvin matalia. Puolestaan virtauman vaihtelultaan suurempina alueina erottuvat rannikkoseutujen vähäjärviset alueet. Järvillä on siis merkittävä osuus veden virtauksen tasaajina: satanutta vettä varastoituu niihin ja purkautuu vähitellen jokien kautta. Niiden syntyyn vaikuttaa eniten topografia, kuten Eetu Summanen blogissaan toteaa: “Järvien runsas määrä alueella kertoo epätasaisesta topografiasta, joka tehokkaasti estää tulvien leviämistä painautumien ja kohoumien vaihtelevuuden avulla, jollaiseen maisemaan myös monet järvet ovat voineet syntyä”.

Tulvaherkimpiä alueita ovat siis vähäjärviset alueet, esimerkiksi kartallakin erottuva Pohjanmaa tai Varsinais-Suomi. Nuo maakunnat ovatkin tuttuja keväisiä tulvauutisia muistellessa. Myös ihmistoiminnalla lienee vaikutusta tilanteeseen, sillä kyseiset valuma-alueet ovat tärkeitä maatalousalueita. Pellot ja laidunmaat sitovat vettä luonnonympäristöä heikommin, edistäen tulvimista entisestään. Korkeiden tulvaindeksien syyt löytyvät siis sekä luonnonympäristöstä että ihmistoiminnasta.

Itsenäistehtävä: Afrikkan konfliktit, timanttikaivokset ja öljyesiintymäät

Kurssikerran testiaineistona käytettiin tällä kertaa Afrikkaa käsittelevää tietokantaa, joka sisälsi informaatiota mun muassa luonnonvaroista, konflikteista sekä internetin käyttöasteista. Tehtäväksi annettiin pohtia sen mahdollisuuksia kartografisten esitysten ja analyysien näkökulmasta. Ohessa on myös kurssiopettajamme tekemä yksinkertainen karttaesitys aineistosta.

Kuva 3. Karttaesitys Afrikan alueen konflikteja, timanttikaivoksia ja öljylähteitä kääsittelevästä aineistosta (Arttu Paarlahti)

Kuva 3. Karttaesitys Afrikan alueen konflikteja, timanttikaivoksia ja öljylähteitä kääsittelevästä aineistosta (Arttu Paarlahti)

 

Näin laajan aineiston käyttötarkoitukset ovat hyvin monipuolisia. On kuitenkin hyvä ymmärtää, ettei kaiken informaation käsitteleminen samalla kartalla ole välttämättä järkevää. Esimerkkikarttaa vaivaakin eräänlainen informaatioähky.  Selkeän kartografisen esityksen aikaansaamiseksi on perusteltua karsia esitettävien muuttujien määrää vain muutamaan,jolloin ilmiöiden välisten korrelaatioiden tulkitseminen helpottuu.

Mielenkiintoisia ilmiöitä karttapohjalla tulkittavaksi löytyy aineistosta helpostikin. Öljylähteiden tai timannikaivosten sijainneista ja tuottavuudesta tuottaa karttaesityksen luonnonvaran todellisesta jakautumisesta mantereella. Myös internetin käyttöasteista voisi tuottaa monenlaisia karttaesityksiä, esimerkiksi maakohtaisesta kehityksestä viiden tai kymmenen vuoden aikavälillä. Vaikeampaa on keksiä mahdollisesti korreloivia muuttujia moniteemaiseen karttaesitykseen. Jurin blogissaan esittämä idea olisi kuitenkin mielenkiintoista toteuttaa: Aineistosta voisi olla mielenkiintoista etsiä yhteneväisyyksiä ja korrellaatioita esimerkiksi konfliktien alkamisvuosien ja timanttikaivosten perustamisten väliltä, ja työkalut tällaisten analyysien tekemiseen alkavat pitkälti jo olla hallussa.”

Aineistoista voisi nyt oppimillamme tietokantojen yhdistelyyn liittyvillä työkaluilla muokata tätäkin monipuolisemman. Vaikkapa valtiokohtaisilla BKT-tiedoilla tai lapsikuolleisuus-luvuilla lihotettuna se voisi toimia pohja-aineistona moninkertaisiin määriin erilaisia korrelaatioanalyysejä. Teknisesti taidot tähän ovat jo kunnossa, mutta luotettavien aineistojen etsiminen voi olla vaikeampi tehtävä.

Lähteet:

Eetu Summanen, KK3. Tietokantojen käsittelyn lyhyt oppimäärä. <https://blogs.helsinki.fi/eesu/>

Niklas Aalto-Setälä, Kerta 3. Tietokannat tutuiksi! <https://blogs.helsinki.fi/niklasaa/>

Juri Louhio, Afrikan öljykentiltä Suomen vesistöihin (KK#3). <https://blogs.helsinki.fi/jlouhio/>

Arttu Paarlahti, Tulvaindeksi. <https://blogs.helsinki.fi/pak-2014/>

Leave a Reply

Your email address will not be published. Required fields are marked *