Lyhyenä yhteenvetona kurssista haluaisin sanoa, että oli ihanaa päästä lukemaan mitä muut ovat kokeneet kurssin kuluessa ja näkemään millaisia töitä kukin on tehnyt. Sain itse paljon apua ja ideoita muiden blogeista enkä tuntenut olevani niin hukassa lukiessani, kuinka muillakin oli omat haasteensa QGIS:n kanssa. Näiden sanojen saattelemana voin nyt päättää blogini.
Mulla oli kivaa, toivottavasti oli teilläkin! Moikka!
Viides kurssikerta oli kaikin puolin monimutkaisin johtuen varmasti osittain siitä, etten päässyt kyseiselle kurssikerralle. Tästä johtuen tämän kerran aiheiden oppiminen jäi puolitiehen ja blogikin viimeiseksi tehtäväksi. Sitä voi taas todeta, että vaikka kuinka yrittää jättää jonkin asian taakseen, niin kyllä sen edestään vielä löytää.
Kurssikerta sisälsi paljon itsenäistä työskentelyä ja tarkkuutta vaativia toimenpiteitä. Tehtävät painottuivat karttakohteiden avulla laskemiseen ja puskuroinnin eli bufferoinnin harjoittelemiseen. Aineistona oli mm. Malmin ja Helsinki-Vantaan lentokentän alue sekä tilastotietoja pääkaupunkiseudulta.
Puskurointi on erittäin hyödyllinen ja monikäyttöinen työkalu, jolla voidaan määrittää halutun kokoinen vyöhyke tietyn kohteen ympärille ja näin kartoittaa kohteen vaikutusalue. Usein tätä menetelmää hyödynnetään esimerkiksi melualueiden määrittämiseen. Bufferointi sopii kuitenkin oikeastaan minkä tahansa ilmiön vaikutusalueen kartoittamiseen, joten sen arvo esimerkiksi aluesuunnittelussa on suuri. Blogitekstissään Bufferointia ja uima-altaita Yeminda pohtii hyvin puskuroinnin mahdollisuuksia aluesuunnittelussa.
”bufferointia voitaisiin hyödyntää esimerkikisi meluhaittojen, tietoliikenneverkkojen ja liikkumistottumuksien kartoittamisessa ja sijoittamisessa. Miten kaupunkiympäristö vaikuttaa luontoon ja muihin ekosysteemeihin tietyn etäisyyden päästä? Miten sijoittaa palveluita, rakennuksia tai virkistysalueita? Mitkä ympäröivät tekijät täytyy ottaa huomioon ennen loppullisen päätöksen tekemistä?”
| Malmi | ||
| Asukkaita 2km säteellä | 57201 | |
| Asukkaita 1km säteellä | 8734 | |
| Helsinki-Vantaa | ||
| Asukkaita alle 2km säteellä | 10659 | |
| 55db melualue | 11284 | |
| Asemat | ||
| 500 m päässä | 106691 |
Ensimmäinen tehtävä tuotti paljon turhautumisen tunteita, sillä se vei valtavasti aikaa ja QGIS kaatui useaan otteeseen. Tästä johtuen en saanut kaikkia arvoja laskettua. Toinen, uima-altaisiin liittyvä tehtävä, onnistui pieniä ongelmia lukuun ottamatta erittäin hyvin, kun tajusin mitä työkalua täytyy käyttää. Select features using an expression -työkalu osoittautui hyvin käteväksi kunhan hoksasin kirjoittaa lausekkeet oikein käyttäen AND -operaattoria.
Uima-altaisiin liittyvä tehtävä oli mielestäni melko mukava. Pystyin hyödyntämään jo opittuja taitoja ja hoksasin työkaluista myös uusia piirteitä, joiden avulla työskentely helpottui. Huomasin, että usealla muulla oli ollut ongelmia pylväiden näkyviin saamisen kanssa, ja niin oli alkuun minullakin. Kuitenkin, kun tarpeeksi kauan selailin eri valikoita kohdan ”diagrams” alta, lisäsin oikean muuttujan kohtaan Size > Attribute sekä Size > Maximum value, niin pylväät ilmestyivät hienosti kartalle. Pienen hienosäädön jälkeen sain kartan näyttämään haluamaltani. Täydellinen kartta se ei vielä ole, sillä lähemmin tarkasteltaessa huomaa, että pylväät ovat osin toistensa tai numeroarvojen päällä. Tämä on kuitenkin vaihtoehdoista parhain, sillä kokeilin pylväiden sijoittamista toisin, mutta tällöin ne peittivät numerot kokonaan tai olivat muutoin sijoittuneet huonosti.
| Uima-altaalla varustettu rakennus | 855 |
| Asukkaita taloissa, joissa on uima-allas | 12170 |
| Omakotitalo | 345 |
| Paritalo | 158 |
| Rivitalo | 113 |
| Kerrostalo | 181 |
| Kuinka monessa talossa sauna? | 21922 |
| Kuinka monta prosenttia se on kaikista asutuista taloista? | 24,2% |
53:lla uima-altaalla varustetulla rakennuksella Lauttasaari on uima-allasrikkain alue yhdessä Länsi-Pakilan kanssa, jossa on lähes yhtä monta (52) tällaista rakennusta. Hyvinä kakkosina tulevat Marjaniemi (48), Kulosaari (42) ja Vanha Munkkiniemi (41) (Kuva 1.).
Kuten huomaatte, halusin kokella koropleettikartan yhdistämistä pylväiden ja numeroiden kanssa. Se toimii mielestäni hyvin, sillä erilaiset arvot on paljon helpommin erotettavissa kartalta. Sijainnillisesti on hieman hankalaa erottaa alueita, sillä rajatut alueet eivät kartassani myötäile rannikkoa. Asian olisi voinut muuttaa korjaamalla tasoja niin, että merialue-taso olisi ylimpänä. Huomasin kuitenkin myös, että tässä tapauksessa koropleettikartta ei olisi enää niin selkeä, sillä merialueet peittäisivät osan eri värisistä alueista. Siispä ilman koropleettikarttaa rannikkoa myötäilevät alueet toimivat, mutta koropleettikarttaa käytettäessä olisi hyvä harkita asiaa uudestaan.
Koen osaavani hyödyntää QGIS:n työkaluja jo melko hyvin. Joidenkin toimintojen kanssa tarvitsen muistutusta aimmilta kurssikerroilta, mutta pääosin kykenen jo toimimaan omatoimisesti, minkä huomasin erityisesti uima-allastehtävää tehdessäni. Pienen pähkäilyn ja ajatusten kokoamisen päätteeksi sain tehtyä kartan omin avuin ja onnistuminen tuntui mahtavalta!
Viittaukset:
Rautavaara, Y. (5.3.2018). Kursikerta 5. Bufferointia ja uima-altaita. <https://blogs.helsinki.fi/yeminda/2018/03/05/kurssikerta-5-bufferointia-ja-uima-altaita/> Luettu 25.3.2018
Viimeisen kurssikerran tarkoituksena oli etsiä dataa ja tuottaa kartat omin avuin. Datan etsiminen ei ollut mikään pikku juttu, vaan se vei useita tunteja, enkä siltikään löytänyt sopivia aineistoja. Tein neljä karttaa siitä mitä irti sain ja päätin tyytyä siihen. Tietenkin harmitti lukea muita blogeja, sillä osa näistä sisälsi erittäin hienoja karttaesityksiä! Mieleeni jäi erityisesti Nellin kartta, johon hän oli liittänyt kuvina Brasilian biomit (7. Kurssikerta: Oman kartan laadinta). Monen tunnin puurtamisen jälkeen tämä tuntuu kuitenkin jo voitolta.
Päädyin tekemään karttaesityksiä Keniasta, vaikka alun perin yritin löytää dataa Indonesiasta. Ensimmäiseksi päätin tuoda esille Kenian sijaintia kuvaavan kartan, sillä ainakin itse haluan aina selvän kuvan siitä, missä kyseessä oleva alue sijaitsee.
Kokeilin hieman erilaisia karttoja samalla datalla ja sain aikaan 3 melko samanlaista karttaa sekä erillisellä datalla yhden koropleettikartan.
Kuvasta 3 huomataan, että maatalousalueiden ja kaupunkien sijoittumisella on yhteys. Itsestäänselväähän se on, mutta ehkä tätä voitaisiin hyödyntää opetuksessa. Jos unohdetaan hetkeksi se, ettei kartta kerro meille mitään uutta, voisimme miettiä toisesta näkökulmasta sen informaatioarvoa. Edellisen kurssikerran 6. ideana oli tuottaa opetusmateriaaliin soveltuvat kartat ja arvelisin, että nämä sopisivat samaan tarkoitukseen. Tämän tyyppiset kartat (Kuvat 1-5) antavat meille melko yksinkertaista tietoa, mutta nuoremmille koululaisille tämä voisi olla hyvinkin arvokasta informaatiota.
Gini- kerroin kuvaa alueiden välisten tuloerojen suuruutta. Se saa arvoja välillä 0-1, jossa arvo 0 kuvaa tulojen jakautumista täydellisen tasaisesti asukkaiden kesken ja arvolla 1 kaikki tulot kohdistuvat yhdelle henkilölle. Suomessa Gini-kerroin oli vuonna 2014 0,25 (SVT) eli Suomeen verrattuna Kenian alueet ovat melko epätasa-arvoisessa asemassa tulojen suhteen. Tietenkin on hieman hankalaa verrata näitä alueita tällaisenaan, sillä Kenia on jaettu hallinnollisiin alueisiin eikä minulla ole tietoa Suomen eri alueiden Gini-kertoimesta. Tästä johtuen hain vertailun vuoksi myös Kenian kertoimen, joka oli vuonna 2005 0,485 (Index Mundi, Kenya – GINI index).
Maaseudun Tulevaisuus -lehden uutisartikkelin mukaan Kenian talous ja väestö on kasvanut viime vuosina voimakkaasti ja maahan on alkanut hiljalleen kehittyä keskiluokkaa upporikkaiden ja rutiköyhien kansanosien väliin (Talouskasvu luo keskiluokan jyrkkien tuloerojen Keniaan, Koivula, J., 4.1.2016) . Tämä tarkoittaa sitä, että myös tuloerot alkavat hiljalleen tasoittumaan. Artikkelissa kuitenkin mainitaan Keniaan syvästi juurtuneesta korruptiosta ja kuinka vain noin 20 prosenttia kaikesta maassa tehtävästä työstä on virallisen verotuksen piirissä. Tämä herätti kysymyksen siitä, kuinka hyvin tilastot tuloeroista pitävät paikkaansa? Jos 80% kaikesta tehtävästä työstä tapahtuu verotuksen ulkopuolella, niin onko mitään takuita siitä, että kerätyt tiedot tuloista olisivat tosia? Jos työn teko ei tapahtu virallisen verotuksen piirissä, niin eikö tulot voisi silloin olla käytännössä mitä tahansa? En itse tiedä miten järjestelmä toimii, mutta kiinnostaisi kyllä tietää kuinka tiedot on hankittu ja kuinka luotettavia ne ovat.
Lisäksi vielä huomiona, että löytämäni data oli vuodelta 1999, joten nämä arvot eivät enää tänäpäivänä pidä paikkaansa.
Viittaukset:
Junttila, N. (3.3.2018). 7. Kurssikerta: Oman kartan laadinta. <https://blogs.helsinki.fi/junelli/2018/03/03/7-kurssikerta-oman-kartan-laadinta/> Luettu 22.3.2018.
Koivula, J. (4.1.2016). Maaseudun Tulevaisuus. Talouskasvu luo keskiluokan jyrkkien tuloerojen Keniaan. <https://www.maaseuduntulevaisuus.fi/politiikka-ja-talous/talouskasvu-luo-keskiluokan-jyrkkien-tuloerojen-keniaan-1.135735> Luettu 24.3.2018.
Suomen virallinen tilasto (SVT): Tulonjakotilasto [verkkojulkaisu].
ISSN=1795-8121. Tulot, Asuminen Ja Asumismenot 2015, 3. Tuloerot Euroopan maissa ja tuloerojen kehitys Suomessa pitkällä aikavälillä . Helsinki: Tilastokeskus.<http://www.stat.fi/til/tjt/2015/04/tjt_2015_04_2017-05-26_kat_003_fi.html> Luettu 24.3.2018
Index Mundi, Kenya – GINI index <https://www.indexmundi.com/facts/kenya/indicator/SI.POV.GINI> Luettu 24.3.2018.
Datan lähde:
World Resources Institute. Kenya – GIS Data <https://www.wri.org/resources/data-sets/kenya-gis-data#biodiversity> Haettu 22.3.2018.
Neljännellä kurssikerralla harjoittelimme ruututeemakarttojen tekemistä, rasteriaineistoilla operoimista sekä piirtämistä QGIS-ohjelmalla. Ruutuaineistot toimivat koropleettikarttoja paremmin absoluuttisten arvojen esittämiseen, sillä kaikki alueet ovat saman kokoisia. Koropleettikartat noudattavat yleensä esimerkiksi hallinnollisia rajoja, jotka eroavat pinta-aloiltaan paljon. Pinta-alaltaan ja väkiluvultaan eroavia alueita on hyvin vaikeaa verrata toisiinsa absoluuttisilla lukuarvoilla. Tästä johtuen käytetään suhteellisia lukuja. Ruututeemakartta antaa lisäksi huomattavasti tarkempaa tietoa alueen asukasmäärästä tai vaikka kerrostalojen lukumäärästä. Informaatioarvo riippuu kuitenkin täysin kartan käyttötarkoituksesta ja joskus suhteellisten arvojen käyttö sopii loistavasti ruututeemakartan kanssa.
Tein melko näppärästi ruotsinkielisten lukumäärää kuvaavan kartan ja olin oikein iloinen, kunnes huomasin lukuarvojen olevan melko pieniä ja eroavan muiden kartoista. Harmistuin ja turhauduin kovasti, sillä ajattelin karttani näyttävän hyvältä ja saaneeni vihdoin QGIS:n komennot selkäytimeeni. Ei kai sitten kuitenkaan. Jossain työvaiheessa taisin valita pudotusvalikosta väärän vaihtoehdon, mikä aiheutti liian pienet/vääränlaiset arvot. Onneksi huomasin, sillä seuraava kartta onkin sitten oikeaoppisesti tuotettu!
Kuvan 1 ruudukosta on poistettu rakennukset, joissa ei asu ketään sekä nollaruudut eli ruudut, joissa ei asu yhtään yli 60-vuotiasta henkilöä. Yli 60-vuotiaita asuu eniten selvästi Helsingissä, erityisesti kantakaupungissa, jossa väestöniheys on muutoinkin suurin. Näiden luokkajakojen perusteella Itä-Helsingissä olisi ympäröiviltä alueiltaan eroava keskittymä, joka on ilmeisesti Kontula. Tämä voi johtua kuitenkin luokkajaoista, joiden takia alue erottuu selvästi, vaikka ero muihin alueisiin olisikin hyvin pieni. 60-vuotiaiden lukumäärä vähenee huomattavasti siirryttäessä Helsingin keskusta-alueelta sisämaata kohti.
Löysin googlaillessani Ylen uutisartikkelin aiheeseen liittyen (Helsingin seutu vanhenee vauhdilla – katso kuinka oma naapurustosi harmaantuu), ja se sisälsi 1962-2012 vuosien Helsingin väestökartoista koostetun videon. Koropleettikarttojen mukaan Kontulan asukkaista yli 65-vuotiaita oli vuonna 2012 23%, kun vuonna 1962 tämän ikäisiä oli vain 2%. Sama ilmiö näkyi usealla Pääkaupunkiseudun alueella, ja uutisartikkelin mukaan: ”Väki vanhenee eniten Helsingin kantakaupungissa ja vanhoissa lähiöissä, joissa asuntokanta on pientä.” Tämä ei sinänsä ole uusi ilmiö, onhan se kaikille selvää, että iäkkäiden ihmisten lukumäärä kasvaa jatkuvasti samalla kun nuorten luvut ovat kääntyneet monella alueella laskuun. Ylen haastattelema Helsingin tietokeskuksen järjestelmäpäällikkö Pekka Vuori painottaa, että tästä johtuen täydennysrakentaminen ja asuinalueiden väestörakenteen monipuolisuuden ylläpitäminen on merkittävässä asemassa.
Olisi oikeastaan pitänyt laatia suhdelukumuotoinen kartta kyseisen muuttujan avulla, sillä tällainen kartta antaisi hyvin paljon tarkempaa tietoa yli 60-vuotiaiden sijoittumisesta suhteessa muuhun väestöön. Huomasin, että Liisa (4. Kurssikerta: Pään lyömisestä positiiviseen yllätykseen) oli tehyt juuri näin – suhdelukumuotoisen kartan – , ja hänen karttansa antaa aivan erilaisen kuvan asiasta. Tällaisenaan kartta ei ole kovin informatiivinen, enkä voi tietää ilman muita lähteitä, millä alueilla iäkkäitä ihmiä on suhteessa muuhun väestöön oikeasti paljon. On nimittäin selvää, että kantakaupungissa on yleisestikin paljon asukkaita, joten ei ole mikään ihme, että myös yli 60-vuotiaiden lukuarvot ovat tällä alueella suuria. Jos tekisin tämän uudestaan, tekisin toisin.
Viittaukset
Niemi, L. (9.2.2018). 4. Kurssikerta: Pään lyömisestä positiiviseen yllätykseen. <https://blogs.helsinki.fi/nliisa/2018/02/09/4-kurssikerta-paan-lyomisesta-positiiviseen-yllatykseen/> Luettu 5.3.2018
Sundqvist, V., Tebest, T., Rissanen, J. (22.6.2015). Helsingin seutu vanhenee vauhdilla – katso kuinka oma naapurustosi harmaantuu <https://yle.fi/uutiset/3-7787729> Luettu 5.3.2018
Kuudennella kurssikerralla keskityimme pistemäisten aineistojen käsittelyyn ja pääsimme tekemään viikon harjoitustyön hyvin vapaasti. Tämä oli erityisen mukava kurssikerta vapaan tekemisen ja itse aineiston mielenkiintoisuuden takia. Tarkoituksena oli siis tuottaa kolme opetukseen suunnattua karttaa luonnonhasardeista, joista vaihtoehtoina olivat maanjäristykset, tulivuoret ja meteoriittien putoamispaikat. Valitsin itse aiheekseni kaksi ensimmäistä ja käytin niitä erillään omina aihepiireinään sekä yhdistettynä samaan karttaan.
Kuva 1. on erittäin toimiva, jos mietitään esimerkiksi yläaste- tai lukio-ikäisiä. Tämän ikäisille ei opeteta kovin montaa tulivuorityyppiä, joten näiden kahden hyvin yleisen tulivuorityypin havainnollistaminen kartalla tekee siitä selkoluettavan.
Kuvassa 2 ongelmaksi syntyy pisteiden ja kolmioiden päällekäisyys. Tässä mielessä kartta on tavallaan hyvin yleistetty, sillä se ei esitä absoluuttisia tai suhteellisia lukuarvoja, vaan on silmämääräisesti tulkittava, kuinka paljon kullakin alueella esiintyy kyseisiä luonnonhasardeja. Olisi ollut mielenkiintoista kyetä esittämään esimerkiksi maanjäristysten absoluttisia tai suhteellisia osuuksia. Tällaisen kartan tai vaikkapa vain taulukon avulla voitaisiin saada tarkempaa tietoa eri valtioiden välisistä eroista maanjäristysten esiintyvyydessä.
Tässä kartassa on myös ehkä hieman hämmentävää eri aikoina ja eri voimakkuuksina tapahtuneiden maanjäristysten esittäminen saman aikaisesti. Olisin toki voinut esittää kyseisellä kartalla vain vuoden 2010 jälkeen tapahtuneet järistykset ja jakaa ne esimerkiksi 2-3 kategoriaan.
Olisin halunnut kokeilla interpolointia kuten Nelli (6. Kurssikerta: Pisteaineistoa, interpolointia ja tulivuoria), mutta en saanut sitä itse toimimaan. Sen sijaan päädyin heatmap-karttaan, jonka myös Miika (Kurssikerta 6) oli tuottanut. Se havainnollistaa mielestäni hyvin maanjäristysten esiintyvyyttä ja antaa selkeämmän kuvan kuin pistekartta, jossa pisteet saattavat olla päällekäisiä. Tästä nähdään heti selkeästi missä päin maailmaa esiintyy lukumääräisesti eniten maanjäristyksiä. Kuten ehkä jo huomasitte, kartoissani on mukana litosfäärilaattojen rajat. Kiitos tästä kuuluu Matille (6. Maanvuoria ja tulijäristyksiä), jonka blogista sain idean ja innostuin käyttämään samaa aineistoa. Sainkin tällä kertaa näköjään paljon ideoita muilta kurssilaisilta, jee, kiitos!
Lopuksi halusin vielä visualisoida maanjäristykset maapallolla niiden voimakkuuden mukaan. Tässä kartassa etuna on lukumäärältään vähäisten voimakkaiden maanjäristysten hahmottaminen kartalta suoraan. Niiden lukumäärä on niin pieni, että ne voidaan suoraan laskea kartalta toisin kuin esimerkiksi 5-6 magnitudin järistykset. Kun tuossa aiemmin puhuin pisteiden päällekäisyydestä ja siitä aiheutuvasta kaaoksesta, niin nyt voin sanoa, että tämä kartta on tällaisenaan hyvä. Toki olisi mielenkiintoista ihan yleisestikin havainnollistaa esimerkiksi ympyrädiagrammeilla tai ympyröiden kokoerolla tietyn alueen järistysten osuutta kaikista tapahtuneista maanjäristyksistä.
Mitä muita maantieteellisiä aiheita kartoillani voisi opettaa? Kartat toimivat usean ilmiön syntyprosessin ja niiden aiheuttamien seurausten opettamiseen. Näitä ovat esimerkiksi litosfäärilaattojen liikkeet, vuorien synty, tsunamit, tulivuorityypit ja niihin liittyvät purkaustyypit. Voimme tarkastella näitä ilmiöitä ja pohtia niiden aiheuttamia ongelmia alueellisesti. Tyynenmeren tulirengas on merkittävässä asemassa, ja lisäksi mieleeni tulisi varmasti painottaa kehittyvien ja teollisuumaiden välistä eroa luonnonriskien torjunnassa ja tuhojen laajuudessa.
Alla olevaa kuvaa voidaan verrata esimerkiksi maanjäristysten esiintyvyyttä kuvaaviin karttoihin ja tarkastella, kuinka järistysten voimakkuus vaihtelee eri saumavyöhykkeillä.
Viittaukset:
Junttila, N. (26.02.2018). 6. Kurssikerta: Pisteaineistoa, interpolointia ja tulivuoria. <https://blogs.helsinki.fi/junelli/2018/02/26/6-kurssikerta-pisteaineistoa-interpolointia-ja-tulivuoria/> Luettu 01.03.2018
Moisala, M. (26.02.2018). Maanvuoria ja tulijäristyksiä. <https://blogs.helsinki.fi/moisalam/2018/02/26/6/> Luettu 01.03.2018
Kastarinen, M. (27.02.2018). Kurssikerta 6. <https://blogs.helsinki.fi/miikakas/2018/02/27/gem-1-kurssikerta-6/> Luettu 01.03.2018
Kolmannen kurssikerran tarkoituksena oli harjoitella tietokantojen ja tietokannan kohteiden liittämistä. Suomen sijaan tarkastelimme Afrikkaa erilaisten muuttujien avulla, mikä toi mukavaa vaihtelua karttatyöskentelyyn. Kyseinen kurssikerta oli kuitenkin kolmesta kuluneesta kerrasta haastavin QGIS-ohjelman kaatuessa jatkuvasti, minkä seurauksena en kyennyt saamaan mitään karttatyötä valmiiksi. Tämä harmittaa kovasti, sillä kurssikerran aineistot olivat hyvin mielenkiintoisia ja olisin halunnut keskittyä näihin aiheisiin. Päätin kuitenkin käydä itsenäisesti tunnilla käytyjä asioita läpi, koska miten muutenkaan voisi perjantai-iltaansa viettää? Itsenäinen työskentely tuotti tuloksia, sillä erilaiset toiminnot tulivat tutuimmiksi ja huomasin pystyväni toimimaan jo jonkin verran ilman kirjallisen ohjeistuksen apua. Sain tuotettua kaksi yksinkertaista teemakarttaa Afrikan tietokannasta (Kuva 1, Kuva 2).
Kurssikerralla pohdittiin Afrikan kartoissa esiintyvien muuttujien yhteyksiä ja mitä näiden muuttujien alueellisesta ja ajallisesta sijoittumisesta voitaisiin päätellä. Kuvan 1 avulla voisimme tarkastella luonnonvarojen (öljy ja timantit) yhteyksiä konfliktien syntyyn, mutta tarvitsisimme varmasti lisää informaatiota nästä muuttujista. Tällä hetkellä kartta on liian yksinkertainen ja vain silmämääräisesti voitaisiin sanoa joillain alueilla mahdollisesti olevasta yhtydestä. Kartalle olisi voinut määrittää esimerkiksi konfliktien ja luonnonvaraesiintymien ajallista yhteyttä, jolloin parempia tuloksia olisi mitä luultavimmin saatu. Vielä tätäkin parempi tulos saataisiin, jos laskettaisiin kahden muuttujan välinen korrelaatio, joka kertoisi suoraan, kuinka vahvasti muuttujat ovat yhteydessä toisiinsa.
Jälkimmäiseen karttaan olen laskenut internetin käyttäjien suhteellisen osuuden koko valtion väestöstä. Kartalta huomataan, että erityisesti mantereen keskiosissa ja paikoitellen rannikkoalueilla internetin käyttö on hyvin vähäistä. Rannikkoalueet ovat kehittyneimpiä alueita Afrikassa, mikä on suoraan yhteydessä internetin käyttäjämääriin. Erityisesti Kenia herättää huomion hyvin korkealla internetin käyttäjien osuudella ja vähäisillä konflikteilla. Olisi ollut mielenkiintoista tarkastella internetin käytössä tapahtunutta kehitystä vuosina 2000-2017, mutta tyydyn nyt vain alueellisten erojen tarkasteluun. Tämän kartan avulla voimme kuitenkin tarkastella öljyesiintymien ja konfliktien yhteyttä alueen kehitysasteeseen internetin käyttäjäosuuden perusteella.
”Afrikassa on Maailmanpankin mukaan nyt 650 miljoonaa kännykän käyttäjää, kertoo Smartplanet.com. Tämä on enemmän kuin Euroopassa tai Yhdysvalloissa.” (Tekniikka ja Talous, 2012).
Internetin käyttö on yleistynyt hyvin voimakkaasti Afrikassa 2000-luvulla ja matkapuhelimien käyttäjämäärät ovat huipussaan. Kehitys-lehden julkaisusta (25.05.2017) käy ilmi, että maanosassa on liki miljardi matkapuhelinliittymää ja asukkaita 1,2 miljardia. Samaisessa julkaisussa mainitaan monen afrikkalaisen omistavan useamman kuin yhden puhelimen, mistä johtuen ei voida tarkalleen tietää puhelimen omistavien todellista lukua. Vielä vuonna 2009 Afrikan laajakaistayhteydet olivat jakautuneet alueellisesti epätasaisesti, kertoo maailma.net:n uutisartikkeli Putoaako Afrikka laajakaistakuiluun. Uutisen mukaan viidessä valtiossa – Algeria, Egypti, Etelä-Afrikka, Marokko ja Tunisia – oli 90% kaikista maanosan laajakaistaliittymistä. Mahtaakohan silloinen tilanne vastata lainkaan tämän päivän tilannetta?
Karoliinan blogiteksti Tulvia ja timantteja (30.01.2018) käsitteli mielenkiintoisesta näkökulmasta teknologian kehityksen vaikutuksia Afrikan mantereella. Blogissaan hän tuo esiin elektroniikan kierrätysongelman: elektroniikkajätettä päätyy vuosittain suuria määriä esimerkiksi Afrikkaan.
”Euroopan unionissa syntyy vuosittain 8,7 miljoonaa tonnia elektroniikkajätettä, mutta vain 2,1 miljoonaa tonnia, eli 25 prosenttia, kerätään tai kierrätetään. Lopusta 6,6 miljoonasta tonnista ei ole tarkkaa tilastointia, mutta Greenpeacen ja tanskalaisen DanWatch-järjestön selvitys osoittaa, että jäte viedään Afrikkaan ja Aasiaan, jossa paikalliset ostajat ostavat jätteen erotellakseen siitä arvokkaat metallit, esimerkiksi lyijyn ja raudan.” (Greenpeace, 21.02.2018).
Tietenkin keskellä yötä väsyneenä unohdin viimeistellä kartat, joten eihän tuosta jälkimmäisestä saa juurikaan mitään irti ilman legendaa. Hitsi! Vaikka aamulla päätin vielä muokata kartat valmiiksi, ei sekään tietenkän onnistunut. QGIS ei jostain syystä suostunut avaamaan tallentamaani projektia, joten en päässyt enää käsiksi näihin karttoihin. Ruutuun ilmestyi erikoinen ikkuna (Kuva 3), enkä tosiaan tiedä mitä tämä tarkoittaa tai miten tässä tilanteessa pitäisi toimia? Apua otetaan vastaan! Onneksi koen karttojen viimeistelyn olevan jo hallussa, ja pääpointtihan tässä kuitenkin oli toistojen tekeminen eikä niinkään täydellisen kartan tuottaminen.
Sitten varsinaiseen kotitehtävään! Meidän tuli tehdä itsenäisesti teemakartta, jonka avulla vertailimme Suomen vesistöalueiden valuma-alueominaisuuksia ja tulvaherkkyyttä. Laskin tulvaindeksin keskiylivirtaaman ja keskialivirtaaman suhteena (MHQ/MNQ) ja asetin kartalle näkyviin tämän lisäksi myös valuma-alueiden järvisyysprosentit. Alla on näitä ominaisuuksia kuvaava kartta (Kuva 4), josta voidaan havaita tulvaherkkien alueiden sijoittuminen rannikkoalueille ja järvisyysprosentiltaan alhaisille valuma-alueille. Tulvaindeksi ja järvisyysprosentti ovat kääntäen verrannollisia keskenään eli mitä tulvaherkempi alue on, sitä vähemmän siellä on järviä. Järvet keräävät sadevettä, eivätkä tulvi kuten joet, ja alavat alueet – esimerkiksi Pohjanmaa – ovat riskialttiimpia tulville. Tulvien synnylle on useita syitä, joista esimerkkejä ovat lumen sulaminen, merivesitulvat ja lisäksi kauunkiympäristöissä vesi ei pääse imeytymään maaperään.
Olen erittäin tyytyväinen aikaansaannokseeni! Värit näyttävät omaan silmääni miellyttäviltä ja kokonaisuus on hyvä. Kartan väritys jäi hieman mietityttämään, sillä kaikki sävyt ovat melko vaaleita ja osa niistä on aika lähellä toisiaan. En osaa itse sanoa, olisiko kartta parempi ja selkeämpi, jos värit eroaisivat huomattavasti toisistaan. Pylväät ovat ilmeisesti saman väriset kuin järvet ja joet, joten tähän olisin voinut kiinnittää enemmän huomiota muuttamalla pylväiden sävyä tummemmaksi. Tämän lisäksi järvisyysprosentin olisi voinut esittää mieluummin ympyrädiagrammeilla, mikä havainnollistaisi osuutta paremmin. Kartalta on hyvin hankalaa hahmottaa todellista prosenttiosuutta, ja siksi olisi hienoa, jos olisi mahdollista saada ne esille pylväiden viereen.
Viittaukset:
Laine, K. (30.01.2018). Tulvia ja timantteja. <https://blogs.helsinki.fi/karollai/2018/01/30/18/> Viitattu 10.02.2018.
Tekniikka & Talous (28.12.2012). Afrikka ohitti Euroopan ja USA:n matkapuhelinten käyttäjämäärässä.<https://www.tekniikkatalous.fi/tekniikka/ict/2012-12-28/Afrikka-ohitti-Euroopan-ja-USAn-matkapuhelinten-k%C3%A4ytt%C3%A4j%C3%A4m%C3%A4%C3%A4r%C3%A4ss%C3%A4-3312134.html> Viitattu 10.02.2018.
Mielonen, T. (23.10.2009). Putoaako Afrikka laajakaistakuiluun <http://www.maailma.net/uutiset/putoaako-afrikka-laajakaistakuiluun> Viitattu 10.02.2018.
Kehityslehti (25.05.2017). Afrikassa netti aina mukana. Viitattu 10.02.2018.
https://kehityslehti.fi/lehtiartikkeli/afrikassa-netti-aina-mukana/
Ensimmäisen kurssikerran jälkeen kokeilin itsenäisesti koropleettikartan tuottamista ohjeistuksen mukaisesti. Tämä ei varsinaisesti liity toisen kurssikerran aiheeseen, mutta koska tehtävän kuitenkin tein, niin halusin tuoda sen näytille.😊
Tutustuin Suomen kuntien tietokantaan ja sain aikaan alla esitetyn kartan, joka kuvaa palveluelinkeinon osuutta Suomen kunnissa. Tärkeä huomio karttaa tarkasteltaessa on tämän muuttujan suuri osuus Lapin kunnissa ja yleisesti suurien väkilukujen kunnissa, kuten pääkaupunkiseudulla, Turussa, Oulussa ja Tampereella. Oma karttani antaa ymmärtää, että Länsi-Suomessa palveluiden osuus olisi vähäisempi suhteessa muuhun Suomeen. Kuitenkin vilkaistessani Nelli Junttilan blogia huomasin, ettei sama ilmiö välity hänen kartaltaan. Tämä johtuu erilaisista luokkajaoista, jotka omassa kartassani hieman vääristävät kartalla esitettävän muuttujan esiintyvyyttä.
Lapissa palveluiden suuri osuus selittyy matkailulla, joka on merkittävässä osassa sen kuntien taloutta. Pohjois-Suomi vetää matkailijoita niin ulkomailta kuin muilta Suomen alueilta. Ensimmäisessä blogitekstissään Nelli tiivistää hyvin syitä väkiluvultaan suurimpien kuntien paleluiden osuuksiin: ”Kaupungeissa palveluyhteiskuntamainen rakenne korostuu, teollisuus on vähäisempää, maatalous lähes olematonta. Tarvitaan paljon erilaisia palveluita suurta asukasmäärää varten, samalla ne tarjoavat työpaikkoja.”
Kuva 1. Palveluiden osuus Suomen kuntien elinkeinorakenteesta vuonna 2015.
Olin tunnin alkuun innoissani, sillä tunsin ymmärtäväni tekemämme toimet ja pysyin hyvin perässä. Mutta sitten… Kone kaatui. Kaikki siihen asti tekemäni katosi, ja eihän se kivalta tuntunut, kun piti aloittaa alusta ja yrittää samalla seurata seuraavia ohjeita. Lähes kaikki työ jäi siis kotiin tehtäväksi, mutta kiitos kattavien kirjallisten ohjeiden – niiden avulla pääsin pitkälle.
Toisella kurssikerralla vertailimme QGIS-ohjelman avulla eri projektioita mittaamalla esimerkiksi pinta-alaa ja pituutta Suomen alueilta. Tuotimme kartan Mercator-projektion aiheuttamista pinta-alan vääristymistä suhteessa Lambertin projektioon, mikä havainnollisti erinomaisesti projektion merkitystä kartan tuottamisessa. Kaikki taisivat tehdä tässä vaiheessa samanlaisen kartan, joten jätän sen lisäämättä. Malliesimerkin kyseisestä kartasta voitte käydä vilkaisemassa esimerkiksi Eveliinan blogista (Kurssikerta 2: Mrs. Worldwide).
Alla on esitetty kaksi kotona aikaan saamaani karttaa, joiden tarkoituksena on havainnollistaa projektioiden merkitystä karttatyöskentelyssä. En tiedä kumpi tapa olisi oikea: jättää suomineito kallelleen vai kiertää sitä niin, että pohjoisnuolen normaali suunta vääristyy? Tämä näyttää omaan silmääni hieman hassulta, joten olisi varmaan ollut parempi jättää neito alkuperäiseen asentoonsa.
Vaikka kurssikerralta ei (TAASKAAN) jäänyt juurikaan mitään käteeni, olen tyytyväinen näiden karttatöiden lopputulokseen. Erot kahden projektion välillä näkee helposti niin muodon kuin arvojen suhteen ja kartoilta löytyy kaikki oleellinen informaatio: mittakaava, pohjoisnuoli sekä legenda. Arvoista nähdään, että Mercatorin projektion pinta-aloilla lasketut väestöntiheydet ovat hyvin paljon pienemmät kuin Lambertin projektiolla tuotetussa kartassa. Mercatorin projektio vääristää pinta-aloja sitä enemmän, mitä lähempänä napoja ollaan, jolloin Suomen pinta-alat ovat valtavia ja niillä laskettaessa saadaan aivan liian pieniä arvoja. Tästä syystä väestöntiheyttä tulisi esittää oikeapintaisella projektiolla, joka ei vääristä pinta-aloja.
Kuva 2. Suomen kuntien (2015) väestöntiheys laskettuna Lambertin oikeapintaisen projektion pinta-aloilla.
Kuva 3. Suomen kuntien (2015) väestöntiheys laskettuna Mercatorin projektion pinta-aloilla.
Tehtävänä oli ilmeisesti myös tuoda blogiin eri projektioiden pinta-aloja vertaileva taulukko, mutta valitettavasti teknisten ongelmien lomassa sekin katosi jonnekin saavuttamattomiin, kuten moni muukin työni.
Viittaukset
Junttila, N. (27.01.2018). 2. Kurssikerta: Projektio vaikuttaa karttaan <https://blogs.helsinki.fi/junelli/2018/01/27/kurssikerta-2-projektio-vaikuttaa-karttaan/> Luettu 04.02.2018
Sirola, E. (26.01.2018). Kurssikerta 2: Mrs. Worldwide <https://blogs.helsinki.fi/evsirola/2018/01/26/onnistumisen-tunteita/> Luettu 04.2.2018
Ensimmäinen kurssikerta sisälsi jo opittujen asioiden kertausta paikkatiedon perusteista, mutta asetti myös uuden haasteen: QGIS-ohjelman käyttämisen taidon. Edellisen kurssin Exel-kammot mielessäni seurasin tarkasti ohjeistusta, minkä seurauksena syntyi alla esitetty tuotos (Kuva 1.). Juurikaan muuta ei kyseessä olevalta kurssikerralta käteeni jäänyt, sillä aikaansaamani koropleettikartta oli lähes suoraan opettajan ruudulta kopioitu. Moodle-sivustolta löytyvän yksityiskohtaisen ohjeen avulla pyrin kuitenkin ottamaan seuraavan tehtävän vastaan positiivisesti. Kenties se jättää mieleeni muutakin kuin tuskaiset huokaukset QGIS:n äärellä.
Kyseinen teemakartta esittää Itämeren alueen yhdeksän valtion (Ruotsi, Suomi, Viro, Venäjä, Tanska, Puola, Latvia, Liettua ja Saksa) aiheuttamaa typpikuormitusta. Se on mielestäni tarpeeksi informatiivinen ja sopii yksinkertaisena esitystapana ilmiön kuvaamiseen hyvin. Visuaalisesti kartta voisi olla siistimpi, sillä esimerkiksi Itämeren rajat ja syvyyskäyrät ovat hyvin silmäänpistäviä ja korostuvat ainoana sinisenä sävynä kartalta aivan liikaa. Muu kartan väritys on lähes onnistunut, mutta vaaleat sävyt ovat hieman liian lähellä toisiaan, joten muut kuin Itämeren alueen valtiot olisi voinut värittää toisen sävyiseksi. Jälkikäteen ajateltuna saattaisin myös lisätä yhden luokkajaon lisää, mikä voisi ilmentää hieman paremmin valtioiden välisiä eroja päästöjen osuuksissa.
Kartalta korostuu etenkin Puola suurimpana päästöjen aiheuttajana sekä Venäjä, jonka päästöt ovat omaa luokkaansa otettaessa huomioon valtion rantaviivan pituus suhteessa muihin. Venäjän aiheuttamat typpipäästöt ovat samaa luokkaa kuin Ruotsin, vaikka sen rantaviivan pituus on mitätön suhteessa Ruotsin tai Suomen rannikkoalueisiin. Omassa blogitekstissään myös Kim-Henrik Helanne pohtii rantaviivan pituuden merkitystä typpipäästöjen osuuksissa ja toteaa, että tämänkaltaisen aineiston tarkastelussa olisi hyvä ottaa huomioon muitakin seikkoja. Esimerkkinä Helanne esittää, että voitaisiin tutkia Itämereen laskevien jokien vaikutusta typen kuljettajina. Olen tämän idean kannalla, sillä se havainnollistaisi hyvin sitä, kuinka laajalta alueelta typpeä siirtyy Itämereen. Toki esimerkiksi myös ilmalaskeumana syntyvä typpikuormitus on merkittävää, mutta luulen, että sen tarkastelu on vaikeampi toteuttaa.
Itämeren tilanteen edesauttamiseksi perustettiin vuonna 1972 Itämeren merellisen ympäristön suojelukomissio (HELCOM, Helsinki Comission). ”Sen päätehtävä on valvoa Itämeren alueen suojelua säätelemällä sekä maalta että meriliikenteestä tulevaa kuormitusta.” Suojelukomissio mahdollistaa kaikkien valuma-alueella sijaitsevien valtioiden yhteiset neuvottelut, joten sen rooli on merkittävä. Esimerkiksi Venäjä ei ole osa Euroopan unionia, joten EU:n toimesta Itämereen kohdistuvat toimet eivät suoraan koske sitä. HELCOM:n tämänhetkisenä tavoitteena on Itämeren hyvä tila vuoteen 2021 mennessä (SYKE, 2014).
Viittaukset
Helanne, K.-H. (21.01.2018). Ensimmäinen harjoitus. <https://blogs.helsinki.fi/helanne/2018/01/21/ensimmainen-harjoitus/> Luettu 21.01.2018
Suomen ympäristökeskus (2014). Itämeri – Ympäristö ja ekologia. <http://www.syke.fi/fi-FI/Julkaisut/Esitteet/Itameri__ymparisto_ja_ekologia_tietopake(28801)> Luettu 21.01.2018