Kurssikerran tarkoituksena oli syventää osaamista MapInfo ohjelman kanssa. Tarkoituksena oli yhdistellä tietokantoja, tuoda tietoa excelistä sekä luoda itse uutta tietoa tietokantoihin. En päässyt pienryhmätunneille, joten kaikki tämä jäi itseopiskeluksi ja voin sanoa, että muutama kerta tuli kirottua MapInfo syvimpään maanrakoon. Moodlesta löytyneet ohjeet olivat melko hyvät, mutta pienemmät yksityiskohdat piti vain kokeilla itse. Vaikkakin tämä turhautti, niin se myös pakotti ymmärtämään ohjelmaan toimintaa ja logiikkaa eri tavalla, kuin olisi tunnilla seurannut klikki klikiltä, miten valmista syntyy.
Kun yhteinen kieli MapInfon kanssa löytyi, löytyi myös pieni oivaltaminen siihen, kuinka koko kokonaisuus toimii. Miten uutta tietoa tuotetaan, mitä ne tietokannat todellisuudessa on ja miten yhdistellä sekä tuoda tietoa muualta. Aikaisemmissa harjoituksissa tietokannat ovat olleet valmiina ja sieltä on vain poimittu tietoa kartan tekoon. Nyt sitten päästiin kurkkaamaan myös ”konepellin alle” ja katsomaan mistä se kaikki visuaalinen esitys kumpuaa. Vaikka ymmärrys ohjelman toimintaa kohtaan kasvaa, silti kaikki toiminnot ja valikkoklikkaukset eivät jää suoraan selkärankaa ja varmasti on tiedossa vielä paljon pään raapimista ja ohjeiden selailua.
Kurssikerran kartan aiheena oli tulvaindeksi ja järvisyys. Aineisto oli kolmessa eri osassa: kahtena MapInfo tietokantana ja yhtenä excel-taulukkona. Kaikki tiedot piti yhdistää yhteen MapInfo tietokantaan, laskea tiedoista tulvaindeksi (keskiylivirtaama jaettuna keskialivirtaamalla) ja luoda tästä koropleettikartta sekä excelistä tuodusta aineistosta järvisyysprosentti pylväinä (kuva1).
Tulvaindeksin histogrammi osoitti aineiston olevan vahvasti vinosti jaukautunutta. Kokeiluiden jälkeen päädyin esittämään aineiston punaisella värillä ja jaoin sen neljään yhtä suureen luokkaan, kvartiiliin. Jako on onnistunut. Kuvasta erottuu selkeästi rannikon tulvaherkät alueet sekä sisämaan vähemmän tuvaherkät alueet. Järvisyysprosentti näkyy kartalla vaaleansinisenä pylväinä. Tarkoituksena oli, että pylväät erottuvat mahdollisimman hyvin punaisesta taustasta.
Kuva 1. Suomen valuma-alueet ja niiden tulvaindeksi sekä järvisyysprosentit.
Mitä kartasta voi sitten nähdä? Selkeä yhteys rannikon pienen järvisyysprosentin ja suuren tulvaindeksin kanssa sekä sisämaan suuren järvisyysprosentin ja pienen tulvaindeksin kanssa. Tämä on loogista, järvet varastoivat ja pidättävät vesiä. Alueilla, joissa järviä on vähän, vesi valuu suoraan jokiin aiheuttaen virtaamahuippuja. Vaikka Lapissa on pienet järvisyysprosentit niin siltikin tulvaindeksit ovat pienet. Tämä selittynee Lapin pienillä sademäärillä. Ja vaikka tulvaindeksin nimessä on sana tulva, on hyvä huomata, kuten Jasmin Bayar blogissaan kirjoittaa: ”Korkea tulvaindeksi ei välttämättä tarkoita tulvia alueella, vaan myös joen virtaaman suurta kasvua sateiden aikana ja lumien sulaessa. Tulviminen riippuu joen uomasta ja jos virtaava vesimäärä ylittää uoman.”
Tehtävänannossa oli myös toinen tehtävä, jossa piti pohtia, mitä pystyisi päättelemään Afrikan tietokannoista, joista löytyisi tietoa konfliktien tapahtumavuodesta ja laajuudesta, Timantti- ja öljykenttien löytymis- ja hyödyntämisvuodet sekä tuottavuusluokittelu ja internetkäyttäjien määrä eri vuosina.
Tietokannoista, joissa olisi tietoa tapahtumavuosista, voisi verrata esimerkiksi timantti ja öljykenttien eri vaiheita ja konfliktien yhteyttä toisiinsa. Kaivosten tuottavuusluokittelun ja internet käyttäjien määrää eri vuosina vertailtaessa voitaisiin yrittää selvittää, ovatko kaivokset vaikuttaneet internetkäyttäjien määrään, eli ovatko kaivokset nostaneet maan elintasoa (kuinka moni omistaa laitteen jolla pääsee internettiin). Tai voitaisiin verrata internetin käyttäjien määrän vaikutusta konfliktien laajuuteen.
Lähteet:
Bayar, Jasmin (2014). 3. Kurssikerta 28.01: Tietokantojen data <https://blogs.helsinki.fi/jasbayar/2014/01/28/3-kurssikerta-28-01-tietokantojen-data/> Luettu 6.2.2014
Syken Oiva-tietokanta, <http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>