Johdatus interpolointiin ja maanjäristyksiä

Kuudes kurssikerta käynnistyi sisällöllisesti tosi mukavasti, kun pääsi kuulemaan vanhasta kunnon Jan Gehlin eli Geelin Janin ideaalista, ihmisten kaupungista ja siihen kuuluvista kaupunkisuunnittelun periaatteista. En nyt ollut mukana luentokerralla, joten jätin pisteeni pomimatta EpiCollectilla. Sen sijaan hyödynsin opastuksen mukaisesti yhtä kurssikertaa vastanneen csv-tiedoston ja näppäilin sen kurssikerran esimerkkikartan mukaisesti harjoituksen. EpiCollect on kuitenkin onneksi melko helppokäyttöinen, ja olen hyödyntänyt sitä jo kahdella kurssilla: Maantieteelliset kohteet lähiympäristössä ja Satelliittipaikannusmenetelmät maantieteessä. Jälkimmäisellä mittasimme myös mm. polygon-muotoista dataa, ja sen paikannuksessa saikin olla jo paljon tarkempi, lisäksi muistissa on uudelleenprojisointiin liittyvät haasteet aineiston kanssa. Todennäköisesti kohtasimme silloin vähän samankaltaisia ongelmia, kuin nyt oli ollut UTM-kaistojen kanssa kurssiblogin mukaan. Interpolointi oli yksi pääteemoista ja ansaitsee paikan otsikossakin – interpolointikarttaa ei tästä blogista kuitenkaan nyt löydy. Kokeilin yhtä interpolointia järistysten magnitudien suhteen, mutta totesin sen olevan melko huono valittuun teemaan, sillä järistykset eivät muodosta mitään jatkuvaa pintaa ja kartta vääristäisi.

Varsinaisissa itsenäisharjoituksissa päätin syventyä maanjäristysten esiintymiseen globaalilla tasolla. Näkökulma keskittyy historialliseen dataan, sen jakautumiseen ja toisaalta esitettätyyteen. NOAA:n aineisto sisältää tietoa merkittävistä maanjäristyksistä. Se ulottuu vuodesta 2050 ennen ajanlaskun alkua nykypäivään saakka, ja valikoituneissa tapahtumissa jokin kolmesta täyttyy: järistyksestä on aiheutunut kuolonuhreja, merkittävää taloudellista vahinkoa, tai se on ollut voimakkuudeltaan yli 7.5 Richterin yksiköissä. (Jälkeenpäin huomasin, että ehkä oli turhaa käyttää tuota Richter-sanaa joka kartassa, magnitudi olisi riittänyt.)

Kuvasta 1 voidaan nopeasti kerrata maanjäristysten, ja etenkin voimakkaiden sellaisten, esiintymistä globaalisti. Järistyksiä tapahtuu eniten sellaisissa mannerlaattojen saumakohdissa, joissa on myös alityöntövyohykettä. Poikkeuksena  tästä on Keski-Aasian ja Himalajan pohjoisseudun järistykset, jotka ovat verrattain kaukana laatan rajasta, mutta näitäkin selittää voimakas ja aktiivinen alityöntövyöhyke Intian ja Euraasian laattojen välillä. Lisäksi kartasta puuttuu tuolta kohtaa alityöntövyöhyke – muilta osin se vastaa pääasiallisia vyöhykkeitä mannerlaatta-aineiston pohjalta jalostettuna. Historiallisen aineiston ennen vuotta 1000 tapahtuneet järistykset taas painottuvat Välimeren, Lähi-Idän ja Itä-Aasian alueille. Vaikuttaisi siis siltä, että tietoa historian tapahtumista on saatavilla eniten tietoa suurten tunnettujen sivilisaatioiden alueelta. Koitin vaihtoehtoista esitystä varten löytää ei-eurosentristä esitystapaa, jossa tuttu tulirengaskin olisi erottunut hyvin, mutta se osoittautuikin vähän hankalammaksi löytää.

Kuva 1. Maanjäristyksiä suhteessa mannerlaattojen rajoihin ja alityöntövyöhykkeisiin. 

Kuvassa 2 puolestaan on vertaileva kartta, joka toimikoon muistutuksena aineiston valinnasta, kartan vallasta ja yksinkertaisesti erikokoisesta aineistosta. Molemmissa kartoissa esitetään näennäisesti täsmälleen samaa asiaa eli magnitudiltaan 7 tai yli Richterin suuruisia maanjäristyksiä. Punaiset pisteet perustuvat NCEDC:n aineistoon vuosilta 1980-2012 (yhteensä 401 kohdetta), kun siniset pisteet edustavat puolestaan aikaisemmin mainittua NOAA:n aineistoa, jonka pisteet edustavat siis viimeistä 4000 vuotta (yhteensä 1133 kohdetta). Näiden kahden välillä on siis eroja aikaskaalassa, aineiston laajuudessa ja tarjoajassa. Kuvan 1 kartan perusteella voidaan kuitenkin päätellä (olettaen, että 4000 vuotta on lyhyt aika geologisessa historiassa), että historiallisen aineiston tuoma vääristymä aiheuttaa kenties poikkeavan voimakkaan sinisten pisteiden esiintyvyyden Kreikan ja Turkin lähettyvillä. Halusin kokeilla jotakin erilaista, ja mielestäni tämä esimerkki on hyvä havainnollistamaan tietojen esittämistä esimerkiksi lukioikäisille ja kehittää kriittistä tarkastelutapaa sisältöaiheen lisäksi.


Kuva 2. Voimakkaita maanjäristyksiä tarkasteltuna kahdella eri aineistolla.

Tarkastellaan lopuksi vielä lähempää yhtä aluetta. Kuvan 1 kartasta nähdään, että Japani on aktiivisten alityöntövyöhykkeiden lähellä ja myös historiallisia järistyksiä on alueelle tallennettu paljon. Kuvassa 3 (pohjoisnuoleton ja skaalaton kartta, maailmankarttoihin verrattuna tässä olisi ollut aiheellista lisätä) on osa Itä-Aasiaa tarkasteltuna mannerlaattojen saumakohtien, voimakkaiden järistysten ja kaupunkialueiden sijoittumisten suhteen. Japanilla on pitkä historia maanjäristyksiin valmistautumisessa ja järistyksiä kestävässä rakentamisessa. Historian aikana maanjäristykset ovat olleet huomattavasti tuhoisempia kuin nykyisin.

Kuva 3. Voimakkaiden maanjäristysten sijoittuminen suhteessa kaupunkialueisiin Itä-Aasiassa. 

Koska tässä on nyt tarkasteltu vain maanjäristyksiä, olisi hyvä tarkastella myös tulivuorten sijoittumista. Siinä missä näissä kartoissa on keskitytty lähinnä alityöntövyöhykkeisiin, tulivuoria esiintyy lähellä muunkinlaisia laattarajoja ja toisaalta myös kauempana niistä. National Geographicin MapMaker-työkalu on siitä kätevä, että siinä käyttäjä pystyy itse lisäämään karttaan tasoja, joita tarjotaan teemakohtaisesti. Näin toisiinsa linkittyvää dataa on helppo tarkastella.

Loppukevennys: Mistä tunnistaa laadukkaan, interwebsistä ladatun vektoriaineiston? Siitä, kun Norjan rantaviiva näytää tältä. Tähän tarkoitukseen tämän skaalatason aineisto oli kuitenkin mukavan kevyt.

Lähteitä:

NCEDC. Historic ANSS Composite Catalog Search. https://ncedc.org/anss/catalog-search.html (luettu 1.3.2021).

NOAA National Centers for Environmental Information. Global Significant Earthquake Database.  doi:10.7289/V5TD9V7K (luettu 1.3.2021).

Viides kerta ja viisikymmentä toistoa

Viides kurssikerta käynnistyi näppärästi puskurianalyysien äärellä. Heti alkuun tuli sekä kannustavia että koomisia hetkiä. Olin ihan itse keksinyt käyttää aineistolle clip-työkalua aineiston rajaamiseksi vain Pornaisten keskustan alueelle ja kokeillut myös intersectionia kun pohdiskelin, että näillä kahdella ei lie tässä yhteydessä eroa. Oli kannustavaa huomata, että jotain on hallussa tässä vaiheessa, kun gis-harjoituksia on tullut tehtyä muillakin kuin fuksikursseilla. Ilokseni oivalsin alkuharjoituksessa, että olin innostunut digitoimaan alueen kaikki pienetkin tiet ja jokaisen rakennuksen näyttävästi polygoneina, joten puskurianalyysi tuotti lähes kaikki rakennukset tuotaavan tuloksen (lisäys kertausvuodelta: nyt tämä yleistyssuositus lukee ohjeissa, jos ei keksi itse käyttää maalaisjärkeä :D). Note to self: kannattaa tarkistaa jatkossa seuraavista vaiheista, mitä varten harjoituksessa pyydetään tekemään jotakin.

Taulukossa 1 on koottuna kurssikerran tehtävien tunnuslukuja – pääkaupunkiseudun väestöä tarkasteltuna monella tavalla. Läppäriraukka oli sen verran kovilla, että taulukon Asemat-kohtaan jätin vuoden 2019 tulokseni. Sisällöstä sanottakoon sen verran, että pk-seudun väestö tosiaaankin asuu taajamissa eli isoilla kirkoilla melko kattavasti (96-prosenttisesti) ainakin tämän taajama-aineiston, josta en sen enempää tiedä metatietoja, perusteella.

Taulukko 1. Pääkaupunkiseudun asukasmääriä ja -osuuksia tarkasteltuna suhteessa lentokenttiin, asemiin ja taajama-alueisiin. *Asemat-kohdan tunnusluvut on laskettu vuonna 2019 käytetyn datan mukaisesti. 

Työkaluista tutuimmiksitämän harjoitusken myötä kävivät etenkin Spatial Query ja puskurianalyysi. Spatial Query on erittäin hyödyllinen lisä, sillä se kertoo tilastollisesti sen mitä kartalla näkee visuaalisesti tasojen välillä, eli käytännössä kuinka moni tason X objekteista on tason Y objektien sisällä (contains) tai  niillä on leikkaavia osia (intersect). Puskurianalyysiä voisi käyttää perinteisesti saavutettavuuden määrittämiseen, josta klassikkoesimerkkinä julkisen liikenteen saavutettavuus. Pysäkeille voidaan asettaa jokin tietty puskuri (esimerkiksi 200 metriä olen nähnyt käytettävän, liekö tuo jokin mukavuusraja vai oikeasti ihannetavoite pääkaupunkiseudulla) ja tarkastella, kuinka paljon ihmisiä asuu sen peittämällä alueella. Jos tätä tarkastellaan yhdessä vaikkapa suuremman puskurivyöhykkeen ja liikenteen kanssa, voidaan määritellä paras mahdollinen sijainti uudelle pysäkille. Laapotti (2019) mainitsi hyvän esimerkin buffereiden käytöstä: yksinkertaisella jokivyöhykemääritelmällä voi kartoittaa vaikkapa aikaisemmalla viikolla tutuksi tulleiden tulvien alueella asuvien ihmisten määrää. 


Kuva 1. 1965-1970 -luvuilla rakennettujen, remonttialttiiden kerrostalojen osuuksia kaikista kerrostaloista pääkaupunkiseudun pienpiireissä.

Sitten vielä lopuksi varsinaisen itsenäistehtävän pariin: tarkastelin remonttialttiissa iässä olevia kerrostaloja Helsingissä. Kikkailin hieman menemään ja käytin join attributes by location summarya kahteen kertaan niin, että sain tuotettua tietokantaan sekä kaikkien kerrostalojen määrän että tuona viiden vuoden massatuotantoaikana rakennettujen kerrostalojen määrän pienalueittain ja niistä sitten osuuden laskettua (tämä lähinnä itselle menetelmämielessä muistiin, ei välttämättä helpoin tapa mutta toimiva). Kuvassa 1 on visualisoituna koko pääkaupunkiseudun tilanne. Kartassa arvon saavat vain sellaiset pienpiirit, joissa on ylipäänsä kerrostaloja tuolta ajanjaksolta (kannatti myös koneen kapasiteetin kannalta). Helsingin itäiset ja koilliset osat, sekä koillinen radanvarsi Vantaan puolella, erottuvat suurilla osuuksillaan, kuten myös Kauniainen. Pisteaineistosta voidaan visuaalisesti kuitenkin tulkita melko nopeasti, että määrällisesti metron itäpää on tässä voittaja, ja alue onklin tarkemmassa tarkastelussa kuvassa 2. Kuvan 2 karttaesitykseen olisi ollut havainnollista tuoda metrolinja, ja kenties kaikkien pienpiirien rajojen sijaan pk-seudun karttaankin olisi voinut tuoda ainakin metro- ja juna radat.

Kaikkiaan Helsingissä 1965-1970 on rakennettu 2 094 asuinrakennusta, joista kerrostaloja on 776. Koko pääkaupunkiseudulla vuosina 1965-1970 rakennetuissa kerrostaloissa on 39 002 asuntoa, joissa asuu yhteensä 65 206 ihmistä. Putkiremonttien massa-aalto siis koskettaa tai on koskettanut noin 6,3% pääkauounkiseudun asukkaista.

Kuva 2. 1965-1970 -luvuilla rakennettujen, remonttialttiiden kerrostalojen osuuksia eräissä Itä-Helsingin pienpiireissä.

Tämän kerran harjoituksissa tuli todella paljon toistoa, ja toivonkin, että edes ne asiat olisivat nyt iskostuneet muistiin ja uskaltaisin olla rohkeammin mielin GIS-tehtävien kanssa enkä luovuttaa kesken kaiken – usein on monta tapaa ratakaista yksi asia, eikä sillä ole lopulta merkitystä, miten ongelman saa ratkaistua jos menetelmä on perusteltu.

Lähteet:

Laapotti, S. (2019). Kammottava itsenäistyminen.  https://blogs.helsinki.fi/saagalaa/. Viitattu 16.3.2019.