:——D

Suunnitelmat ja lopputulos eivät taaskaan vastanneet toisiaan. Sain kuitenkin aikaan karttasarjan mielestäni mielenkiintoisesta ja hyvin tärkeästä aiheesta.

Väestönkasvu, tehomaatalous ja ilmastomuutos lisäävät kaikki Afrikan vesipulaa. Esimerkiksi Kapkaupungissa vuonna 2018 oli vaarassa loppua vesijohtovesi kokonaan, ensimmäisenä kaupunkina maailmassa. Kartta 1 kuvaa Afrikan vesistöjen sijaintia ja puhtaan veden saatavuutta.

Kartasta huomioni kiinnitti etenkin se, että Kongon demokraattisessa tasavallassa on Kongo-joen myötä valtavat makean veden varastot, mutta veden saatavuus on siellä kuitenkin huonointa koko Afrikassa. Pelkkä makean veden määrä ei siis yksin riitä turvalliseen ja riittävään vedensaantiin, vaan myös jakelun ja hinnoittelun tulisi olla kunnossa.

75% Saharan eteläpuoleisen Afrikan väestöstä elää ilman sähköä, ja väestönkasvun myötä tämän lukumäärän odotetaan yksin nousevan. Kysyntä sähkölle on Afrikassa siis valtava. Vaikka monet Afrikan vesistöistä ovat melko huonoja kulkuväyliä, voidaan niitä kuitenkin hyödyntää energianlähteenä. Vesivoimaloita onkin Afrikassa useita kymmeniä. (kartta 2)

Kartan 2 mukaan suhteellisesti eniten vesivoimaloita on Kongon demokraattisen tasavallan, Ugandan, Burundin ja Ruandan alueilla. Tällä seudulla sijaitseekin merkittäviä vesialueita, kuten Tanganyikan ja Kivun järvet.

Afrikassa energian käyttö asukasta kohden oli vuonna 2007 7098kWh, samaan aikaan Euroopassa energiaa kului asukasta kohden 34 852kWh. Elintason nousun myötä energiankulutuskin lisääntyy, ja näin voidaan tapahtuvan myös Afrikassa. Mantereen uusiutuvat energianlähteet ovat siis ennen kaikkea positiivinen asia. Kolikolla on kuitenkin kääntöpuolensa, sillä vesivoimaloilla on usein valtavia ekologisia ja sosiaalisia haittavaikutuksia. Väestön siitäminen voimalan tieltä, vesivarojen saatavuuden turvaaminen sekä vesiekosysteemin vaarantuminen ovat vain muutamia vesivoimaloihin liittyviä riskejä.

Veteen liittyvät kofliktit ovat tänä päivänä yleisiä. Toukokuussa 2013 Etiopia ryhtyi kääntämään Niilin ylävirtausta 10 miljardia euroa maksavan vesivoimalan rakentamiseksi muuttaen samalla taloudellis-poliittisia suhteitaan alajuoksulla sijaitsevien Egyptin ja Sudanin kanssa. Ei siis ihme, että hydroenergia jakaa asukkaiden mielipiteitä laajallakin alueella. Kartassa 3 olen koonnut yhteen vesivoimaloiden ja erilaisten levottomuuksien sijainnit Kongon demokraattisen tasavallan, Ugandan, Ruandan ja Burundin alueilta. Voimalat sijaitsevat usein valtioiden rajalla, missä esiintyy usein levottomuuksiakin. Onko levottomuuksien ja voimaloiden välillä yhteys jäi kuitenkin itselleni arvoitukseksi. Levottomuudet kuitenkin mitä luultavimmin haittaavat voimaloiden normaalia toimintaa. 

Lopuksi vielä vähän taustatyöstä. Oikeanlaisen aineiston hakeminen ei aluksi sujunut kuin vettä vaan. Koin olevani gis-luokassa kuin kala kuivalla maalla, kun yritin epätoivoisesti löytää materiaalia karttaani. Afrikan kokoisesta mantereesta ei ole helppoa löytää yhtenäistä tietoa esimerkiksi vesistöjen sijainnista, joten päädyin lataamaan jokaisen valtion tiedot erikseen ja lopulta yhdistämään ne QGISissä yhdeksi suureksi tietokannaksi. Koko työn tekemiseen meni tunteja, mutta lopputulokseen olin oikein tyytyväinen.

Turhautuneisuus oli menneen kurssin yksi päälimmäisistä tunteista. Jokaiselta gem-tunnilta jäi kuitenkin käteeni hieman lisää tietoa ja taitoa QGISin saloista, ja pienistä puroistahan syntyy lopulta suuri virta.

Raikkaan talvisessa ulkoilmassa työskentely kuudennella geoinformatiikan menetelmät- kurssikerralla tuntui mukavalta vaihtelulta tietokoneen äärellä tuskasteluun. Epicollector5-sovelluksen avulla loimme paikkatietoaineistoa kampuksen lähialueilta. Tässä hieman kuvamateriaalia:

Keräämästämme aineistosta saimme aikaan isopleettikartan kampuksen lähialueiden turvallisuudesta, esimerkiksi Elinan blogista löytyy kuvamateriaalia kyseisestä katasta. Interpoloinnin toteutus ei sujunut täysin mutkattomasti, mutta lopputulos oli hyvä. Tosin ei ehkä niin kovin informatiivinen, sillä kartta saa erot alueiden välisessä turvallisuudessa näyttämään liioitellun suurilta – kaikki kurssilaisten vierailemat alueet ovat kuitenkin suhteellisen turvallisia. Kartasta kuitenkin huomaa sen, että erityisesti risteykset ja suurien teiden läheisyys koetaan turvattomuutta aiheuttamina alueina.

Lopuksi saimme vielä luoda itsenäisesti kartat valitsemistamme muuttujista. Aineisto tuli tuoda netistä ja muuttaa oikeanlaiseen muotoon, mikä tuottikin eniten päänvaivaa tehtävänannossa. Vaikeuksista kuitenkin selvittiin ja lopputulokset näyttävät tältä:

1. Maanjäristykset maailmalla. Ensimmäinen kartta kuvaa vuosien 1950 ja 2019 välillä tapahtuneita, yli 6,5 magnitudin maanjäristyksiä. Taustalla oliva interpolointi kuvaa samaa muuttujaa. Kartassa näkyy tummemmalla alueet, jotka ovat selkeästi herkempiä maanjäristyksille, kuten Etelä-Amerikan länsirannikko sekä Kaakkois-Aasian valtiot. Kartta on mielestäni melko selkeä ja legenda helposti tulkittavissa. Interpolointi ei selity legendassa, mikä oli tietoinen valinta karttaa tehdessäni. Ulkopuolisen silmissä se saatta kuitenkin olla hieman hämmentävää. Eri magnitudin maanjäristyksiä kuvaavat pisteet ovat ehkä hieman epäselvät, sillä 6,5-6,6 asteiset järistykset dominoivat kartassa ehkä himan liikaa. Toisaalta niitä myös tapahtuu paljon voimakkaampia järistyksiä enemmän. Olisin ehkä voinut jättää ne kartasta kokonaan pois, jotta vain hyvin voimakkaat maanjäristykset korostuisivat.

2. Toinen kartta kuvaa maailman tulivuoria. Taistelin kartan aineston kanssa pitkään, enkä lopulta onnistunut jostain syystä lataamaan sitä kokonaan. Tästä syystä kartasta puuttuu noin 1000 tulivuorta… Kartan 456:sta tulivuoresta ehkä kuitenkin saa jonkunlaisen käsityksen tulivuorien sijainnista, ja kun sitä vertaa edelliseen karttaan voin löytää useita yhtymäkohtia. Mainittakoon vielä, että Ruotsissa EI ole tulivuorta. Tiedostossa on luultavasti jonkin näköinen sijaintiin liittyvä virhe: piste viittaa Islannin Laki-tulivuoreen.

3. Kolmas kartta kuvaa niin maanjäristyksiä kuin tulivuoriakin. Mielestäni tämä kartta toimisi parhaiten opetuksessa, sillä se on selkeä eikä (mielestäni) turhaa interpolointia ole lainkaan. Kartta havainnoillistaa selvästi, miten tulivuoret ja maanjäristykset sijaitsevat suurelta osin samoilla alueilla. Kaikki yli 7,4 magnitudin järistykset ovat merkitty saman arvoisiksi, eli liian yksityiskohtaista informaatiota ei ole. Karttaan olisi voitu lisätä valtioiden rajat tulivuorien ja maanjärsityksien sijaintien havainnoillistamiseksi. Lisäyksenä vielä, että tulivuoriaineisto on sama kuin edellisessä kartassa, eli noin 1000 tulivuorta on edelleen hukassa. (eikä Ruotsissa edelleenkään ole tulivuorta) Opetustarkoitukseen kartta ei siis ole täysin ideaali :D 

Muiden kurssilaisten tekemistä kartoista pidin erityisesti Sinin kartasta, jossa kuvattiin maanjäristyksen hyposentrin sijaintia, sekä Emilian kartasta, johon oltiin merkitty eri voimaisia maanjäristyksiä eri symboleilla. Siitä näki selvästi voimakkaampien maanjäristyksien olevan harvinaisempia.

Jo viisi viikkoa QGISin kanssa taistelua takana, ja ensimmäinen itsenäisesti, ilman yksityiskohtaisia ohjeita suoritettu harjoitus tehty. Vaikka ajatus oman harkintakyvyn käytöstä aluksi lähinnä kauhistutti, olin lopulta kuitenkin samaa mieltä Johannan kanssa, että itsevarmuus omaa osaamista kohtaan parantui tehtäviä tehdessä paljon. Opin myös sen, että samaan lopputulokseen voi päätyä monella tavalla. Monia mietteitä ja ajatuksia nousi kuitenkin QGISin kanssa puuhastellessa pintaan… 

Puoliakaan QGISin työkaluista en ole vielä päässyt käyttämään, mikä toisaalta kertoo ohjelmiston monipuolisuudesta. Attribuuttitaulukon tietoihin liittyvät työkalut ovat osoittautuneet erittäin hyödyllisiksi tähän mennessä, kuten Iinan mainitsemat Select by Expression- ja Spatial Query-valintatyökalut.  

Puskurityökalu tuntui todella monikäyttöiseltä. Sitä voi käyttää moniin eri toimenpiteisiin, kuten juuri melusaasteen vaikutusalueen mittaamiseen. Sitä voisi käyttää myös tarkastellessa ilmansaasteiden, säteilyn, tai vaikkapa tulvien vaikutuksen alaiseksi jäävää aluetta ja siellä asuvien ihmisten määrää. Sitä voisi myös hyödyntää esimerkiksi mitattaessa etäisyyttä tietystä pisteestä, vaikka terveyskeskuksesta tai sairaalasta, ja katsoa kuinka monta ihmistä asuu vaikkapa 2km säteellä kohteesta. Puskurityökalu sopisi siis myös apuna uusien palveluiden sijainnin päätöksessä. 

QGIS voi ratkaista monenlaisia ongelmia, jos käytössä on oikeanlaista ja riittävää aineistoa. QGISissä on kuitenkin myös hyödyllistä se, että sen avulla voi itse luoda aineistoon lisää dataa joko manuaalisesti piirtämällä tai erilaisin laskutoimituksin. 

Lopuksi vielä taulukko erään itsenäisharjoituksen tuloksista: 

Taulukon mukaan Helsinki-Vantaan ja Malmin lentokenttien melusaasteen vaikutusalueella asuu monia tuhansia ihmisiä, mikä tuntuu omasta mielestäni melko hurjalta. Finnavian mukaan lentokoneen nousu- ja laskusuunnilla on suuri merkitys melusaasteen voimakkuuteen. Lentokoneet kehittyvät koko ajan hiljaisemmiksi, joten melusaaste lentokenttien läheisyydessä toivon mukaan tulevaisuudessa vähenee. Toisaalta lentoliikenteen lisääntymisellä on myös varmasti oma vaikutuksensa asiaan. Kaupunkisuunnittelu vaikuttaa kuitenkin merkittävästi melusaasteesta kärsivien ihmisten määrään. Melulla on useita negatiivisia vaikutuksia ihmisen terveyteen, kuten lisääntyvä elimistön stressi ja heikentyvä unen laatu. Melusaasteen tutkiminen ja asutuksen sijoittaminen mahdollisimman kauas lentokenttien melualueesta on siis tärkeää.

Ulkoiset lähteet: 

https://www.finavia.fi/fi/tietoa-finaviasta/vastuullisuus/ymparistovastuu/melu

https://thl.fi/fi/web/ymparistoterveys/melu

Ruudukoista ja rasterikartoista koostui neljäs kurssikertamme. Näistä sain aikaan seuraavanlaisia luomuksia: 

Kuva 1

Kuva 2

Rasterikartassa jokaisella pikselillä on oma datansa. Valitsin tarkasteltavaksi kohteekseni Länsisatama-Ruoholahti-Jätkäsaari-Hietalahti –alueen. Ensin tutkin yksinkertaisesti väestön jakautumista tällä alueella, minkä jälkeen tarkastelin ruotsinkielisten määrää. Pelkän ruotsinkielisten asukkaiden määrän tarkasteleminen olisi ollut hyödytöntä, sillä rasterien data oli absoluuttista. Absoluuttisella datalla on niin hyviä kuin huonojakin puolia. Tarkan lukumäärän tietäminen on hyödyllistä vaikkapa koulun tai päiväkodin sijaintia päätettäessä – jos ruotsinkielisiä on väestöstä suhteellisesti tarkasteltuna paljon ei se välttämättä tarkoita, että alueella asuisi paljon ruotsinkielisiä ja ruotsinkielinen päiväkoti tulisi sijoittaa sinne. Esimerkiksi 90% viidestäkymmenestä asukkaasta on vain 45 asukasta, jne. Ainakin omalla kohdallani on kuitenkin luontevampaa tarkastella alueen tietoa suhteellisesti, esim. työttömien määrää. Se antaa mielestäni paremman kokonaiskuvan alueelta.  

Mutta mitä havaitsin valitsemani alueen ruotsinkielisten osuudesta? No, suoraan sanottuna en juuri mitään, sillä rasterikarttojen mukaan enemmän ruotsinkielisiä on alueilla, joilla muutenkin asuu paljon ihmisiä. Jälkeenpäin ajateltuna jonkin toisen muuttujan, esimerkiksi lapsiperheiden määrän tarkastelu olisi saattanut osoittautua hieman mielenkiintoisemmaksi.

Kuva 3. Google-mapsin tarjoama kartta valitsemastani alueesta. (Pikselien sijainnin hahmottamisen avuksi)

Muiden kurssilaisten rasterikartoista mieleeni jäi mm. Pasin kartta omakotitalojen suhteellisesta määrästä ja sijoittumisesta pääkaupunkiseudulla sekä Ilonan rasterikartta vieraskielisen sijoittumisesta pääkaupunkiseudulla. Omassakin tutkimusaiheessani olisi luultavasti toiminut paremmin koko pääkaupunkiseudun tarkasteleminen. 

QGis alkaa viikko viikolta tuntua tutummalta ja kokonaiskuva alkaa jo hahmottua. Vaikka yksityiskohtaiset ohjeet tuntuvat vielä hyvin tarpeellisilta, tehtävänantojen logiikka on jo hieman paremmin ymmärrettävissä.

Tällä viikolla opettelimme lähdeaineiston datan yhdistämistä jonkin yhteisen tekijän mukaan. Käsittelimme Afrikan valtioista koostuvaa tietokantaa, johon kuitenkin kaikki hyvin pienetkin saaret oltiin eritelty omaksi datakseen. Kun kaikki saman valtion rajojen sisäpuolelle kuuluvat alueet oltiin liitetty yhteen, tuli aineiston käsittelystä paljon helpompaa.  

Afrikka-aineistoa hyväksi käyttäen harjoittelimme uuden datan tuomista tietokantaan, jota yritin  ensimmäisen kerran jo viikon 1 harjoituksessa siinä onnistumatta. Oli siis hyvin mukavaa vihdoin ymmärtää, miten uusi data liitetään tietokantaan. Parannellun lähdeaineiston kanssa oli lopulta mahdollista visualisoida eri muuttujia, kuten timanttikaivoksien ja konfliktien esiintymistä Afrikassa. Muuttujien välisten korrelaatioiden vertailu oli hyvin mielenkiintoista, mutta kuten Vilma blogissaan pohti, tulee ilmiöiden korrelaatiosuhdetta tarkasteltaessa olla kriittinen – muuttujat eivät aina kulje käsi kädessä, vaikka se siltä näyttäisikin. 

Alla vielä otos käsittelemästämme materiaalista.

Afrikan mantereelta siirryimme lopulta takaisin Suomeen. Tehtävänä oli luoda kartta Suomen tulvaherkistä alueista sekä järvisyydestä.  

Visuaalisesti valmis kartta oli aika lailla katastrofi. Vaikka ympyrädiagrammit tuovat alueesta lisäinformaatiota, ne vievät aivan liikaa tilaa ja peittävät siten alleen paljon tärkeää informaatiota tulvaindeksistä.

Tarkasti tutkimalla voidaan kartasta ehkä kuitenkin vetää jonkinnäköisiä johtopäätöksiä: Kuten Amanda blogissaan asian tiivisti, tulvaindeksillä ja järvien määrällä on selkeä yhteys. Kun alueella ei ole vesivarastona toimivia järviä, on tulvan riski suurempi. Varsinkin keväisin joet tulvivat herkästi. Tämä on yleistä esimerkiksi Pohjanmaalla, missä tasainen maasto ja vähäjärvisyys altistavat jokien tulvimiseen. 

Ensimmäinen Geoinformatiikan menetelmät 1 -luentokerta on nyt takana päin tuoden mukanaan monenlaista uutta ja jännittävää asiaa geoinformatiikan maailmasta. Ensimmäisellä kurssikerralla meidät tutustutettiin QGis -ohjelmiston saloihin, kun saimme kokeilla Itämeren typpipäästöjä käsittelevän aineiston käsittelyä ja siihen pohjautuvan kartan luomista. Saimme myös oppia kyseisen ohjelmiston takana olevan joukko sitä kehittäviä vapaaehtoisia. Onkin hienoa, että kuka tahansa voi ladata QGis:n omalle koneelleen ja näin hyödyntää sitä tarpeittensa mukaan.

QGis oli itselleni vieras ohjelmisto, minkä vuoksi tunnilla saadut yksityiskohtaiset ohjeet sen käynnistämisestä valmiin kartan viimeistelemiseen ja tallentamiseen tulivat tarpeeseen. Vaikka uudet asiat tuntuvat aina aluksi hämmentäviltä ja ylitsepääsemättömiltä, päivän päätteeksi jäi pinnalle ahdistuneisuuden tunteen sijaan kuitenkin innostuneisuus uuden oppimisesta. Erityisesti mieleeni jäi attribuuttitaulukon tietojen visualisointiin liittyvät asiat, kuten luokkajakojen ja värityksen merkitys karttaa valmistellessa. Opettelimme myös, kuinka lisätä tietoa attribuuttitaulukkoon laskutoimitusten avulla. QGis:n erilaiset työkalut tulivat tutuiksi virheiden ja uusiksi ottamisten myötä.

Lopputulokseen olin tyytyväinen. Aluksi monimutkaiselta tuntuva tehtävä olikin loppujen lopuksi melko yksinkertaista luoda, ja tilaa oli myös omalle tulkinnalle ja mieluisen värimaailman valitsemiselle. Kartan päätavoitteena on kuitenkin selkeys ja viestin välittyvyys, joissa karttani kaikessa yksinkertaisuudessaan onnistui mielestäni kohtuullisen hyvin. Kuitenkin kuten Iina blogissaan totesi, myös omassa kartassani väritystä olisi pitänyt säätää siten, ettei Viro olisi vaarassa sekoittua Itämeren saastuttajavaltioiden ulkopuolisiin valtioihin.

Itämeren typpipäästöjä kuvaavan kartan lisäksi saimme itsenäisesti tehtävän harjoituksen, jossa tuli kurssikerralla opittuja taitoja hyödyntäen luoda koropleettikartta. Kartasta ilmenisi jokin vapaasti valittava muuttuja, kuten asukasluku tai työttömien osuus. Koropleettikartta käsittää koko Suomen alueen ja aluerajaus on kuntakohtainen. Omaan karttaani päätin kuvata ruotsinkielisten osuutta Suomen väestöstä kunnittain.

Koropleettikartta kuvastaa ruotsinkielisten suhteellista osuutta kunnan väestöstä. Kartan tilastoaineiston luokitustapana käytin luonnollisia luokkavälejä. Koropleettikartalta korostuu etelässä mm. kaupungit Turku ja Raasepori. Ahvenanmaa näkyy kartalla tummana, voimakkaasti ruotsinkielisenä alueena, kuten myös Pohjanmaan rannikolla kaupungit kuten, Kruunupyy, Pedersöre ja Närpiö.

Kartta havainnollistaa kuvaamansa ilmiön moitteettomasti. Alkuperäisenä tarkoituksenani oli kuitenkin luoda vielä toinen koropleettikartta, jossa ilmenisi väestön hyvinvointi ja vertailla sitten näitä kahta karttaa keskenään. Taidot eikä kärsivällisyys kuitenkaan riittänyt ulkopuolisten muuttujien lisäämiseen. Opittavaa onkin siis vielä paljon, ennen kuin voin kutsua itseäni QGis-ekspertiksi.