Viimeisellä kurssikerrallamme saimme täysin vapaat kädet toteuttaa juuri sellaisen kartan, juuri sellaisilla aineistoilla kuin halusimme. Olin miettinyt mahdollisia aiheita jo valmiiksi ennen kurssikertaa, mutta en ollut vielä löytänyt niihin sopivia aineistoja. Ilmaisia, helposti saatavilla olevia aineistoja oli yllättävän vaikeaa löytää. Usein oli pakollista joko luoda käyttäjätili tai maksaa, jotta aineiston saisi käyttöönsä. Kumpaakaan näistä en kuitenkaan halunnut tehdä, joten etsin niin kauan kunnes löysin sopivan sivuston.

Kartta 1

Päädyin lopulta valitsemaan aiheeksi haihyökkäykset ja alueeksi rajasin Australian. Asuin ennen Australiassa ja siellä kulttuuriin kuuluu vahvasti erilaiset vesiurheilulajit sekä ylipäätään rannalla ja merellä ajan viettäminen. Vaikka haihyökkäyksiä tapahtuu aika harvoin, pelko tai ainakin tietoisuus haiden olemassaolosta on koko ajan läsnä vedessä ollessa. Valitsin tämän aiheen siksi, että olen kiinnostunut aiheeseen liittyvistä tilastoista sekä todennäköisyyksistä haihyökkäyksien tapahtumiselle. Neljä ensimmäisessä kartassa (kuva 1) tapahtuneista haihyökkäyksistä on myös tapahtunut niin, että olin itse kyseisellä paikkakunnalla samaan aikaan, tai omalle sukulaiselleni, joten aihe on osunut lähelle.

Kävin lataamassa Natural Earth Data -sivustolta pohjakartat, mutta en löytänyt mieluisia juuri tämän aineiston kuvaamiseen. Itsestäänselvistä syistä haihyökkäyksiä voi tapahtua ainoastaan merellä, joten halusin kartan olevan jollakin tavalla visuaalisesti mielenkiintoinen myös mantereen osalta. Tästä syystä päädyin lataamaan QGIS:n pluginin QuickMapServicestä ESRI Satellite taustakartan.

Aineisto oli Excel-taulukon muodossa, joten se piti muuttaa csv-tiedostoksi ja sitten vasta liittää QGIS:ssään. Aineston liittämisessä ohjelmaan oli joitakin ongelmia aluksi, mutta Artulta saamani avun jälkeen pääsin vihdoin itse karttojen kimppuun. Merkkasin valkoisilla palloilla tapahtuneet haihyökkäykset, joissa ei ollut kuolemanuhreja ja punaiset ristit sisältävillä palloilla kuolemantapaukset.

                        Kuva 1 Haihyökkäykset Lounais-Australiassa

Aineistossa oli kaikki dokumentoidut haihyökkäykset, eli se kattoi yli 200 vuotta. Aikaväliä olisi toki voinut rajata, mutta silloin kartalla ei olisi ollut mielestäni tarpeeksi kohteita. Tämä myös todistaa sen, kuinka turhaa haiden pelkääminen oikeastaan on, sillä niitä tapahtuu niin harvoin verrattaessa esimerkiksi auto-onnettomuuksiin. Pikkuserkkuni Zac Golebiowksi joutui haihyökkäyksen kohteeksi surffatessaan Esperancen lähellä vuonna 2007 menettäen toisen jalkansa. Kuvassa 1 häneen kohdistunut hyökkäys näkyy valkoisena pallona aivan kartan oikeassa reunassa. The West Australian -lehden haastattelussa (2017) hän kertoo, kuinka haikannan vähentäminen, eli haiden tietoinen tappaminen, vedessä olevien ihmisten suojelemiseksi ei ole hänen mielestään ratkaisu ongelmaan, vaikka usein haihyökkäysten tapahtuessa se onkin ihmisten ensimmäinen reaktio.

Kartta 2

Halusin luoda vielä toisen kartan käyttäen hyödyksi attribuuttitaulukosta löytyviä tietoja. Jokaisen hyökkäyksen kohdalta löytyi tieto, minkä lajinen hai oli hyökännyt. Lajeja oli yhteensä enemmän, mutta suurimman osan hyökkäyksistä olivat tehneet tiikeri-, härkä- ja valkohait. Päätin siis tehdä näiden kolmen hailajin perusteella kuvan 2 kartan.

                         Kuva 2 Haihyökkäykset Australiassa lajityypeittäin

Useat varsinkin mantereen itärannikolla olevat aineistopallurat menevät valitettavasti päällekkäin, mutta kartasta saa silti mielestäni erittäin havainnollistavan kuvan siitä, millaisissa vesissä, eli toisin sanoen millä leveysasteilla, tarkasteltavat hailajit elävät ja viihtyvät. Huomataan, että tiikerihaiden hyökkäykset kohdistuvat suurimmaksi osaksi kauriin kääntöpiiriä pohjoisemmalle alueelle, kun taas valkohaiden hyökkäykset ovat ainoastaan kääntöpiirin eteläisellä puolella ja vielä suurimmaksi osaksi Eteläisellä valtamerellä. Härkähaiden hyökkäykset kohdistuvat leveyspiireihin verratessa laajimmalle alueelle aivan eteläisestä New South Walesista Pohjoisterritorion alueelle.

Aineistossa olisi ollut vielä vaikka kuinka paljon käyttökelpoista tietoa erilaisten karttojen tekemiseen. Siellä oli muun muassa tietoa siitä, mitä hyökkäysten uhrit olivat tekemässä hyökkäyshetkellä (uimassa, surffamassa, snorklaamassa jne.). Tarkastelin aineistoa, vaikka en siitä visuaalista esitystä saanutkaan tehtyä ja huomasin, että ennen n. 1900-luvun puoliväliä surffareihin ja muihin lautailijoihin ei ollut juuri ollenkaan kohdistunut hyökkäyksiä. Erilaiset lautailulajit eivät silloin olleet vielä yhtä suosittuja tai niitä ei välttämättä kaikkia ollut vielä olemassa. Hait usein luulevat surffilautoja hylkeiksi tai merileijoniksi ja yrittävät saalistaa niitä. Aineistosta löytyi myös tietoa siitä mitä ruumiinosaa tai esinettä hai oli purrut. Erittäin suuri osa onnettomuuksista olikin kohdistunut juuri surffilautoihin, eikä itse surffariin.

Vaikka jokainen haihyökkäys onkin surullinen ja traaginen tapahtuma, meidän ihmisten tulisi määritellä uudelleen suhteemme meriin ja haihin. Luonto toimii oman päänsä mukaan eivätkä haitkaan pahaa pahuuttaan hyökkää ihmisten kimppuun. Minulle aina sanottiin Australiassa laitesukeltaessa, surffatessa ja snorklatessa, että merta pitää kunnioittaa, mutta sitä ei tarvitse pelätä. Koen, että tämä pätee nimenomaan myös haihin. Pystymme varmasti luomaan järjestelmiä, jotka esimerkiksi varoittavat vesilajeja harrastavia ihmisiä mahdollisista vaaroista vedessä, kuitenkaan vahingoittamatta meressä eläviä lajeja.

Lopuksi

Tämä oli kurssin päättävä opetuskerta ja kuten Gaius Erikssonkin omassa blogissaan (2024) toteaa, oli yllättävän nopeaa opetella käyttämään monimutkaiselta näyttävää sovellusta. Nämä kurssilla opitut taidot tulee varmasti käyttöön tulevilla kursseilla ja työelämässä. Paljon minulla on todellakin vielä opittavaa ja kehityttävää, mutta tämän kurssin avulla pääsi hyvin vauhtiin.

Lähteet:

Aineisto: https://taronga.org.au/conservation-and-science/australian-shark-incident-database

Paddenburg, T. (2017) The West Australian – Eerie anniversary for Esperance shark attack survivor (Viitattu 1.3.2024)

Eriksson, G. (2024) Gaiuksen kurssiblogi – MAA202 Seitsemäs viikko (Viitattu 1.3.2024)

Harjoitus 1

Toiseksi viimeisellä kurssikerralla pääsimme itse keräämään aineistoa Kumpulan kampuksen läheisyyteen. Jakauduimme pieniin ryhmiin ja Epicollect5-sovelluksen avulla lähdimme keräämään pisteaineistoa eri paikoista kampuksen läheisyydessä. Analysoimme niiden kohteiden turvallisuutta ja viihtyvyyttä aina samalla merkintää tehdessä.

Sovellus kokosi pienryhmien keräämät tulokset yhdeksi aineistoksi, jonka avulla voitiin luoda kartta. Aineisto interpoloitiin ja interpoloidun aineiston värispektri laitettiin sinisestä punaiseen. Sininen väri kuvaa turvalliseksi ja punainen turvattomaksi koettua aluetta.

                                                         Kuva 1: Interpoloitu Epicollect5-aineisto

Harjoitus 2

Toisena tehtävänämme oli luoda itse kolme karttaa annettujen aineistojen perusteella. Valittavissa oli kolme erilaista aineistoa, jotka tuli itse ladata internet-sivuistoilta ja saada liitettyä ne onnistuneesti QGIS-ohjelmaan. Aineistojen hankkiminen ja liittäminen ohjelmaan onnistui yllätyksekseni mutkattomasti. Sopivan rajauksen löytäminen alueen ja vuosilukujen suhteen oli omalta osaltani ehkä haastavinta. Valitsin tarkasteltavaksi alueeksi Etelä-Amerikan mantereen, jossa Nazca-laatta työntyy Etelä-Amerikan laattaan. Rajasin ajaksi vuodesta 1950 nykypäivään olleet yli 8 richterin maanjäristykset.

Kokeilin QuickMapServicen avulla karttapohjaksi ESRI Satellite -kuvaa, mutta lopulta päädyin vaihtamaan sen takaisin kurssikerran aineistoista löytyvään alkuperäiseen taustakarttaan. Halusin saada karttaan näkyville myös litosfäärilaattojen rajat ja latasin nekin QMS:n kautta. En saanut rajoja kuitenkaan näkymään haluamallani tavalla, vaan ne jäivät liian ohuiksi ja haaleiksi. Ne eivät erotu taustasta tarpeeksi, vaikka yritin muuttaa niiden symboliikkaa. En myöskään osannut vaihtaa legendaan litosfäärilaattojen rajoja kuvaamaan punaista viivaa, vaan siinä näkyi ainoastaan tyhjää. Tulevien karttojen kanssa haluan selvittää, miten nämä tulisi laittaa oikeaoppisesti.

                                                    Kuva 2: Yli 8,0 richterin maanjäristykset Etelä-Amerikassa 1950-2024

Yritimme interpoloida myös maanjäristysaineistoa tapahtuneiden järistysten magnitudien mukaan, mutta se ei onnistunut ohjelmassa jostakin syystä. Voi olla, että aineisto oli liian suuri ja raskas QGIS:ssän pyöritettäväksi, mutta olisi ollut mielenkiintoista nähdä, mitkä alueet ovat pahimpia riskialueita korkeiden magnitudien maanjäristyksille. Tämän voi toki myös päätellä litosfäärilaattojen ja siirrosten sijoittumisen sekä liikesuunnan perusteella.

Toisena karttana laadin koko maailman alueelta kartan tulivuorenpurkauksista. Myös tämä kartta on laadittu vuoden 1950 purkauksista nykypäivään. Kartasta (kuva 3) huomataan, että eniten aktiivisia tulivuoria on Kaakkois-Aasiassa etenkin Indonesian ja Filippiinien alueella. Kyseisissä valtioissa on tapahtunut suuriakin tulivuorenpurkauksia ihan viime vuosina. Esimerkiksi vuoden 2023 lopussa Indonesiassa sijaitseva Mount Marapi -tulivuori purkautui aiheuttaen 13 vaeltajan kuoleman (Chen, 2023). CNN Worldin julkaiseman artikkelin mukaan Indonesiassa on 127 aktiivista tulivuorta, joista yksi aktiivisimmista on juurikin hiljattain purkautunut 2891 m korkea Mount Marapi.

                                  Kuva 3: Tulivuorenpurkaukset 1950-luvulta alkaen

                                         Kuva 4: Mount Marapi -tulivuori purkautui 3.12.2023 aiheuttaen ihmisuhreja

Seuraavaksi halusin luoda kartan hyödyntäen edellistä tulivuortenpurkauksia kuvaavaa karttaa. Päätin tehdä tulivuorien aktiivisuutta kuvaavan kartan, johon yhdistin aiemman kartan vuodesta 1950 alkaen purkautuneista tulivuorista, sekä kaikista muista maailman tulivuorista. Merkkasin ne tulivuoret vihreällä, jotka eivät ole purkautuneet kertaakaan vuoden 1950 jälkeen ja oranssilla ne, jotka ovat purkautuneet kerran tai useammin kyseisen vuoden jälkeen. Alla olevasta kartasta (kuva 4) huomataan, että esimerkiksi Pohjois-Amerikassa on paljon tulivuoria, mutta vain viisi niistä on ollut aktiivisia viimeisten reilun 70 vuoden aikana.

                                 Kuva 5: Tulivuorien aktiivisuus

Opettajan näkökulmasta voisi keksiä esimerkiksi tehtävän, jossa opiskelijoiden tulisi näiden kolmen kartan perusteella yrittää piirtää litosfäärilaattojen rajat ja lopuksi verrata omia piirroksiaan todellisiin rajoihin. Voisi kysyä myös, että tunnistaako opiskelija kartoista Tyynenmeren tulirenkaan ja mistä opiskelija luulee tämän tulirenkaan saaneen nimensä? Heikki Säntti pohtii omien karttojensa käytettävyyttä opetukseen blogissaan Heiggi’s blog (2024) mainiten, että tulivuori- ja maanjäristyskarttoja voisi hyvin käyttää juurikin laattatektoniikan opetukseen. Hän kirjoittaa, että erilaisten tulivuorityyppien avulla voisi selvittää millainen laattatyyppi on kyseessä. Eli esimerkiksi onko tarkasteltavat laatat erkanemis-, törmäys- vai sivuamisvyöhykkeillä.

Lähteet:

Chen, H. (2023) CNN World, 13 climbers killed, 10 missing following Indonesian volcano eruption (Viitattu 21.2.2024)

Kuva 4: Wikipedia, 2023 eruption of Mount Marapi (Viitattu 21.2.2024)

Säntti, H. (2024) Heiggi’s blog, Kuudes kurssikerta (Viitattu 21.2.2024)

Tällä kurssikerralla jatkoimme aluksi jo edellisellä kerralla aloitettua tehtävää Pornaisista rajatulla alueella. Loimme edellisellä kerralla digitoitujen talojen ja Pornaisten koulurakennuksen avulla analyysin, jossa mitattiin niiden talojen määrää, jotka olivat 1 km säteellä koulurakennuksesta. Tarkoituksena oli harjoitella bufferien, eli  puskurianalyysien tekemistä. Tämä harjoitus tehtiin vielä yhdessä koko luokan kanssa, mutta lopun aikaa saimme, tai jouduimme, testaamaan omia taitojamme QGIS:ssän parissa.

Meitä oltiin jo peloteltu edellisellä kurssikerralla siitä, kuinka meidän tulisi jaksaa olla kärsivällisiä tällä tunnilla, koska tehtävistä oli tulossa todella haastavia. Olin kuitenkin positiivisesti yllättynyt siitä, kuinka hauskaa lopulta oli itse luona aineistojen perusteella analyysejä ja päästä tulkitsemaan omia karttoja. Oli myös hauskaa huomata. kuinka paljon kehitystä on tapahtunut ohjelman käytön kanssa vain muutamissa viikoissa.

Harjoitus 1 – Malmin lentokenttä

Tehtävä aloitettiin digitoimalla lentokentän kiitoradat, jotta analyyseihin tarvittava puskurivyöhyke voitaisiin luoda niiden ympärille. Olin jo kerran aikaisemmin Johdatus geoinformatiikkaan -kurssilla tehnyt itsenäisesti puskurianalyysejä ja muistan sen silloin tuntuneen huomattavasti hankalammalta kuin nyt.

                                                             Kuva 1: 1 km säteellä Malmin lentokentästä asuvat

                                                           Kuva 2: 2 km säteellä Malmin lentokentästä asuvat

Taulukko 1: Malmin lentokentän puskurianalyysien tulokset

Harjoitus 2 – Helsinki-Vantaan lentokenttä

Myös tämä toinen tehtävä aloitettiin digitoimalla karttaan lentokentän kiitoradat. Koska Helsinki-Vantaan lentokentällä kiitoradat ovat kahdessa eri paikassa, myös puskurivyöhykkeitä tuli kartalle näennäisesti kaksi erillistä vyöhykettä. Tämä ei kuitenkaan onneksi vaikuttanut analyysiin, koska laskutoimituksia varten ne sai yhdistettyä yhdeksi vyöhykkeeksi.

                                                         Kuva 3: 2 km säteellä linnuntietä Helsinki-Vantaan lentokentästä asuvat

                                                         Kuva 4: Vähintään 55dB melualueella Helsinki-Vantaan lentokentästä asuvat

Huomasin jo edelliset kohdat kerran laskettuani, että olin vahingossa laskenut laskut puskurianalyysien rajaamien alueiden talojen, enkä niissä asuvien ihmisten mukaan. Onnekseni olin ottanut kuvakaappaukset analyysien mukaisista tilastoista ja pystyin laskemaan laskut uudelleen ja tällä kertaa oikein.

Taulukko 2: Helsinki-Vantaan lentokentän melualueilla asuvat

Laskin 65 dB melualueella elävien ihmisten määrän välittömässä läheisyydessä (2km bufferi) asuvista:

37/2317 *100 = 1,596= 1,6 % (talot)

303/11136*100= 2,72% (asukkaat)

Harjoitus 3 – Juna- ja metroasemat

                                                               Kuva 5: Alle 500 m päässä lähimmästä juna- tai metroasemasta asuvat

Laskin myös tässä tehtävässä, että kuinka suuri prosenttiosuus tarkasteltavan alueen asukkaista asuu alle 500 m päässä lähimmästä juna- tai metroasemasta. Kuvan 5 kartassa näkyy ainoastaan talot, jotka ovat alle 500 m etäisyydellä jostakin asemasta ja kuvassa on ainoastaan rajattu osa tarkasteltavasta alueesta.

110805/516193*100= 21,465…%

Lopuksi

Hyödyllisimpiä työkaluja kaikissa näissä itsenäisissä harjoituksissa oli Select by location ja Buffer. Luvut pystyi laskemaan Statistics Panelin antamien lukuarvojen avulla. Puskurianalyysit ovat erinomainen tapa tarkastella suurempaa joukkiota vaikkapa juuri ihmisiä tai ilmiöitä, jos ne halutaan rajata tietylle alueelle tai etäisyydelle. Puskurianalyysejä voi käyttää näiden yllä olevien esimerkkien lisäksi vaikkapa liikenneonnettomuuksien kartoittamiseen. Sofia Miettinen on myös pohtinut blogissaan (2024), että puskurianalyysejä voisi käyttää myös liikennemelun kartoittamiseen suorittaen puskurianalyysit teiden ympärille, vaikka autoista tuleva melu ei olekaan yhtä kovaäänistä kuin lentokoneista.

Oli kiva huomata, miten omat taidot ovat kehittyneet, mutta uskon tai oikeastaan tiedän, että oma kapasiteettini olisi todellisuudessa korkeampi, kuin se millaisia tehtäviä ja karttoja olen tehnyt. Usein kärsivällisyyteni loppuu heti alkukättelyissä, jos lähden yrittämään hankalampia tehtäviä. On niin helppoa unohtaa, että kyseessä on oppimisprosessi, joka vie aikaa eikä kaikkea tarvitse osata heti. Tavoitteeni loppukurssille, sekä tuleville jatkokursseille on haastaa itseäni enemmän ja ei lyödä hanskoja heti tiskiin, kun kaikki ei mene ensimmäisellä yrityksellä putkeen.

Lähteet:

Miettinen, S. (2024) Sofian GIS-blogi – Viides kurssikerta (Viitattu 1.3.2024)

Tämän kurssikerran aiheena oli tarkastella piste- ja ruutuaineistoja, sekä oppia käyttämään niitä maantieteellisessä tutkimuksessa.

Harjoitus 1

Tämä harjoitus toteutettiin hyödyntäen ruudukkoaineistoa. Ruudukko oli hyödyllinen tapa jakaa pääkaupunkiseudun asutus erillisiin alueisiin ilman valmista aluejakoa, kuten kunta- tai naapurustojakoa. Aineisto oli pisteinä tallennettua aineistoa, jossa yksi piste kuvasi taloa, jossa asuu vähintään yksi ihminen. Loimme siis 1 km x 1km kokoisia ruutuja sisältävän ruudukon pohjakartan päälle ja karsimme väestön aineistosta pois kaikki muut tiedot, paitsi mahdolliset tarkastelukohteet, joita olivat asukasluku, ruotsinkielisten osuus, ulkomaankansalaisten osuus ja muunkielisten osuus.

Lähdimme yhdessä luokan kanssa tarkastelemaan ruotsinkielisten osuutta ruuduissa. Kuva 1 näyttää lopputuloksen, jonka saimme. Tämä versio ei kuitenkaan voisi olla lopullinen, käypä versio asian tarkasteluun, sillä ruotsinkielisten osuutta ei ole laskettu tässä kartassa suhteessa ruudun kokonaisasukaslukuun vaan se kuvaa ainoastaan absoluuttista ruotsinkielisten määrää ruudussa.

Jero Hoberg kirjoittaa blogissaan Jeron blogi (2024), että on kuitenkin hyvä pitää mielessä, ettei prosentuaalinenkaan luku, eli ruotsinkielisten osuus suhteessa ruudun muuhun väestöön, välttämättä kerro koko totuutta. Jos esimerkiksi yhden ruudun alueella saattuisi asumaan vain yksi asukas ja tämä asukas olisi ruotsinkielinen, koko alue näyttäisi automaattisesti olevan 100% ruotsinkielinen. Karttoja lukevan täytyy siis olla todella tarkkana siitä, mitä kartalla todella halutaan viestittää ja voiko siinä olla samankaltaisia virhelähteitä.

                        Kuva 1: Työvaiheessa oleva ruotsinkielisten osuus ruudun väestöstä

Päätin valita uuden kartan aiheeksi ulkomaan kansalaiset ruotsinkielisen väestön sijasta. Minua on jo pitkään kiinnostanut ihmisten ennakkoluulot ja asenteet eri kaupunginosia kohtaan ja halusin selvittää, että onko ulkonmaankansalaisuuksilla ja perinteisesti huonomaineisilla naapurustoilla, kuten Itä-Helsingin Kontulalla, jokin yhteys keskenään.

Asiahan on niin, että ulkomaan kansalaisuudella ja ulkomaalaistaustaisuudella tai etnisyydellä ei välttämättä ole mitään yhteyttä keskenään, ja loppujen lopuksi ei välttämättä edes asuinalueisiin. Kuvan 2 kartasta huomataan esimerkiksi, että huonomaineisempana pidetty Itä-Helsinki ei erotu kartasta juuri ollenkaan.

Kuva 2: Ulkomaan kansalaisten osuus suhteessa ruudun väkilukuun

Sen sijaan kartasta huomataan suurimpia prosenttiosuuksia sisältäviksi ruuduiksi esimerkiksi Myyrmäki, Kuninkaantammi, Paloheinä, Länsi-Pakila, Järvenperä ja Pohjois-Vantaa. Näistä esimerkiksi Kuninkaantammi on Helsingin uusimpia asuinalueita ja sillä on hyvä status eri naapurustojen välisissä vertailuissa. Siltikin kartan mukaan sen asukkaista suuri prosenttimäärä verrattaessa ympäröiviin ruutuihin on ulkomaankansalaisia. Voidaan siis todeta, että eri asuinalueiden maineen ja asukkaisen ulkomaankansalaisuuden välille ei tulisi yrittää vetää yhteyksiä, jos niitä ei todellisuudessa ole edes olemassa.

Halusin selvittää karttatyön inspiroimana, että mistä päin maailmaa Helsingissä asuvat ulkomaan kansalaiset ovat kotoisin. Ulkomaan kansalaisiin on laskettu myös kaksoiskansalaisuuden omaavat helsinkiläiset. Löysin Helsingin kaupungin tuottaman Excel-taulukon, jossa oltiin luokiteltu maanosien mukaan Helsingissä asuvien ulkomaan kansalaisten kansallisuudet vuodenvaihteessa 2022/2023. Suurimmat lukuarvot olivat Euroopan maat (yht. 33 913) ja Aasian maat (yht. 26 172). Ylivoimaisesti vähiten ulkomaan kansalaisuuksia helsinkiläisillä oli Oseaniasta mukaan lukien Australian ja Uuden-Seelannin.

Harjoitus 2

Tunnin alussa perehdyimme piste- ja ruutuaineistojen lisäksi myös laserkeilaukseen ja rinnevalovarjostetekniikkaan. Pääsimme toisen harjoituksen avulla käyttämään myös aineistoa, joissa näitä aineistonkeruutekniikoita oltiin käytetty.

Meillä oli käytössämme karttalehti ja tämän kyseisen karttalehden rinnevalovarjoste. Karttalehdestä puuttui kokonaan korkeuskäyrät ja tehtävänämme oli laatia ne itse QGIS-ohjelmalla.

                                                    Kuva 3: Rinnevalovarjoste ja sen päälle piirretyt korkeuskäyrät

Aloitimme myös tekemään pohjaa seuraavalla kurssikerralla suoritettaville puskurianalyyseille. Rajasimme Pornaisten alueen karttalehdestä alueen, jolle digitoimme tiet ja asutusrakennukset.

                                    Kuva 4: Rajattu Pornaisten kaupunkialue, sekä digitoidut tiet ja talot

Lähteet:

Hoberg, J. (2024), Jeron blogi: Neljäs kurssikerta (Viitattu 20.2.2024)

Helsingin kaupunki (2023), Ulkomaankansalaiset Helsingissä kansalaisuuden sekä syntymäalueen ja sukupuolen mukaan 2017 alkaen  (Viitattu 20.2.2024)

Kolmannella kurssikerralla siirryttiin suoraan asiaan ja kertailimme jo hiukan tutummaksi tulleen QGIS-ohjelman yksinkertaisimpia toimintoja ja komentoja. Tämän kurssikerran tarkoituksena oli oppia tuottamaan uutta tietoa jo olemassa olevilla tiedoilla, sekä yhdistämään ohjelman sisällä erilaisia tietokantoja.

Harjoitus 1

Ensimmäisessä harjoituksessa tarkasteltiin koko Afrikan mannerta ja käytössämme oli kolme erilaista aineistoa, jotka olivat eri maissa sijaitsevat öljykentät, timattikaivokset ja merkittävimmät vuosien saatossa tapahtuneet konfliktit. Halusimme tutkia, onko luonnonvarakeskittymillä ja konflikteilla jonkinlainen yhteys toisiinsa.

Ensimmäiseksi meidän tuli yhdistää pohjakartan kohteet valtioiden mukaan, sillä lähtötilanteessa tieto oli yksinkertaisesti liian monessa osassa. Yhdistimme siis eri valtioille kuuluvat saaret itse valtioon ja näin attribuuttitaulukostakin sai paljon yksinkertaisemman ja selkeämmän. Tämän jälkeen oli aika opetella yhdistämään näitä eri aineistoja, jotka meillä oli käytössämme. Kahden tietokannan yhdistämiseksi molemmissa tietokannoissa tulisi olla vähintään yksi sama sarake, joka voi olla esimerkiksi nimi tai vuosiluvut. Yhdistetyillä aineistoilla on sitten mahdollista analysoida onko öljyteollisuudella ja timanttikaivoksilla jokin yhteys maanosan konflikteihin.

                          Kuva 1: Luonnonvarojen yhteys konflikteihin Afrikassa

Kuvan 1 kartasta huomataan, että monia konflikteja on esiintynyt sekä timanttikaivosten että öljykenttien alueilla, mutta suurin osa konfliktikeskittymistä on kuitenkin aivan omiaan ilman ilmeistä yhteyttä luonnonvaroihin. Yhdistettyjen tietokantojen avulla voisi kuitenkin analysoida esimerkiksi öljykenttien ja timanttikaivosten löytämisvuosien avulla niiden suhdetta konfliktien tapahtumavuosiin ja lukumäärään. Löytämisvuodet eivät todennäköisesti olisi niitä “konfliktirikkaimpia” vuosia, mutta tarkastelemalla löytämisvuoden jälkeisiä vuosia voitaisiin huomata korrelaatioita tietokantojen välillä.

Nicholas S. Briggs kirjoittaa artikkelissaan Conflict diamonds in West Africa, että ainakin viimeisten 30 vuoden aikana timantteja on käytetty rahoittamaan erilaisten rikollisjärjestöjen ja kapinallisten toimintaa. Nämä ryhmät ovat yrittäneet kasvattaa omaa valtaansa väkivallan ja ihmisten pelottelun keinoin, ja siksi heidän toimintansa rahottaineet timantit ovat saaneet nimityksen “konfliktitimantit”. Artikkelissa käytetään esimerkkinä timanttikaivosten tuomista vakavista konflikteista Afrikan länsirannikolla sijaitsevaa Sierra Leonea. Kuvan 1 kartasta huomataankin Sierra Leonen olevan sekä timanttikaivosten että konfliktien suoranainen rykelmä.

Toinen iso rykelmä löytyy Etelä-Afrikasta, mutta maassa ei näytä aineiston mukaan juurikaan olevan kaivoksiin liittyviä konflikteja. Samaa pohtii Pietu Nuortimo blogissaan Pietun GIS-seikkailu ja oli tullut kurssilaistensa kanssa siihen tulokseen, että erittäin autoritääriset hallinnot olivat varmaan hyviä suurempien konfliktien tukahduttamisessa. Tästä esimerkkinä hän käyttää juuri apartheid-ajan Etelä-Afrikkaa. Pietu kuitenkin huomauttaa, että tällä tavalla hallittujen valtioiden dataan ei välttämättä ole aina luottamista.

Tietokannasta löytyy myös konfliktien laajuus/säde kilometreinä. Tämän tiedon avulla voitaisiin selvittää esimerkiksi useiden eri valtioiden läpi kulkevien öljykenttien vaikutusta kahden eri valtion suhteisiin öljykenttien rajanaapureina. Tällaisia yhteyksiä saattaisi löytyä esimerkiksi Algeria-Libya ja Kamerun-Nigeria -rajoilta.

Harjoitus 2

Toisessa harjoituksessa oli tavoitteena tarkastella Suomen eri valuma-alueiden tulvaherkkyyttä. Tätä varten laskimme aluksi tulvaindeksin ja teimme sille uuden oman sarakkeen attribuuttitaulukkoon. Loimme kaksi erilaista teemakarttaa, joista ensimmäinen (kuva 2) on koropleettikartta, joka kuvaa valuma-alueiden tulvaherkkyyttä ja toiseen karttaan (kuva 3) on lisäksi lisätty valuma-alueiden järvisyys ympyrädiagrammeina.

                Kuva 2: Suomen valuma-alueiden tulvaherkkyys

Kuvan 2 teemakartasta huomaamme, että tulvaherkimpiä alueita Suomessa ovat etelä- ja länsirannikko. Pohjanmaa, Varsinais-Suomi ja Uusimaa ovat siis näillä tulvaherkimmillä valuma-alueilla. Valuma-alueet rannikoilla näyttävät olevan mittavasti pienempiä kuin manner-Suomessa. Olisi varsin hyödyllistä tietää veden virtaussuunnat kartan tulkintaa varten ja lisäksi miettiä, mitä suuria jokia tulvaherkkien valuma-alueiden läpi kulkee. Esimerkiksi kuvasta 3 näemme, että tulvaherkillä valuma-alueilla virtaa useita suurempia jokia, kuten Oulu-, Siika- ja Kalajoki.

                                                 Kuva 3: Pohjanmaan joet

Teimme tätä toista harjoitusta tunnilla yhdessä ystävän kanssa ja päätimme valita tehtävänannoista sen yksinkertaisemman version, koska emme uskaltaneet vielä haastaa itseämme QGIS-ohjelman käytön kanssa. Lopulta päädyimme kuitenkin vahingossa laskemaan itse alueiden järvisyysprosentin ja sen perusteella tekemään tämän toisen kartan. Kuvan 4 ympyrädiagrammeihin vaadittiin kuitenkin myös järvisyysprosentin vastakohta, eli maa-alueiden osuus, joten laskimme tämän (100% – järvisyys%) ja saimme alla olevan tuloksen.

Teemakartan perusteella pystyisi lähteä analysoimaan esimerkiksi, että onko valuma-alueen järvien lukumäärällä ja koolla jokin vaikutus alueen tulvaherkkyyteen ja mahdollisesti vielä minä vuodenaikoina. Huomataan, että tulvaherkimmillä alueilla, eli pääosin rannikoilla, järvisyysprosentti on varsin matala verrattuna esimerkiksi Keski-Suomeen, jossa järvisyysprosentti on jo melkein yhden neljäsosan koko alueen pinta-alasta. Jotkut rannikon pienistä valuma-alueista ovat lähes järvettömiä.

                      Kuva 4: Suomen valuma-alueiden järvisyys ympyrädiagrammeina

Lähteet:

Briggs, N. (2003) Conflict Diamonds in West Africa (Viitattu 3.2.2024) https://web.stanford.edu/class/e297a/Conflict%20diamonds%20in%20West%20Africa.htm

Nuortimo, P. (2024) Kolmas kurssikerta. Pietun GIS-seikkailu (Viitattu 3.2.2024) https://blogs.helsinki.fi/pietunuo/

Kuva 3: Grönroos, M. (2017) Oulu, Siika, Pyhä, Kala… Teillä ja turuilla -blogi (Viitattu 3.2.2024) https://teilla.blogspot.com/2017/08/oulu-siika-pyha-kala.html

Toisella kurssikerralla tutustuimme erilaisiin tietokantoihin ja niiden aineistoihin. Näitä aineistoja olivat muun muassa WMS-, WFS- ja WMTS-palvelut. Opettelimme muutamien esimerkkien avulla käyttämään näitä aineistoja, joiden tuottajia ovat Suomessa esimerkiksi kaupungit ja kunnat, sekä Tilastokeskus. Toisen kurssikerran aiheena oli myös erilaisten tasoprojektioiden kanssa työskentely. Mietimme esimerkiksi, millaisia mittavirheitä eri projektioiden kanssa voi esiintyä ja miksi kartantekijän on hyvä olla tietoinen niistä luodessaan materiaalia. Opettajamme Arttu Paarlahti sanoikin hyvin, että vaikka etenkin maantieteilijöinä ja maantieteen opiskelijoina tunnistamme karttaprojektioiden vääristymät, ne vaikuttavat silti meihin ja maailmankuvaamme suurestikin, jos niitä käytetään väärin.

Harjoitus 1

Ennen kuin aloitimme tekemään ensimmäistä harjoitusta käytimme QGIS-ohjelman mittaustyökalua sekä välimatkojen että pinta-alojen mittaamiseen eri projektioissa. Mittasin samat välimatkat käyttäen kolmea eri karttaprojektiota, jotka olivat TM35FIN, Mercator ja Robinson. Otetaan esimerkiksi välimatka Söderruddeninsta Suomen ja manner-EU:n itäisimpään pisteeseen:

TM35FIN: 527,399 km      Mercator: 1172,187 km      Robinson: 776,613 km

Vertailimme myös saman alueen pinta-aloja eri projektioilla. Otetaan yksi esimerkki:

Mercator: 7336,812 km       Robinson: 6805,586 km

Harjoitus 2

Kuten ensimmäiselläkin kurssikerralla, teimme tämän harjoituksen yhdessä askel askeleelta luokan kanssa. Vaikka harjoitusta tehtiin yhdessä, oli silti hyvin helppo tippua kärryiltä, jos yhdenkään uuden ohjeen kanssa ei heti onnistu saamaan sitä toimimaan omassa näkymässä. Tämän harjoituksen tarkoituksena oli oppia havainnollistamaan karttaprojektioiden välisiä eroja yhä paremmin.

Tiedämme, että Mercatorin projektio on päiväntasaajaa sivuava oikeakulmainen lieriöprojektio, joten siinä näkyvät vääristymät keskittyvät etenkin napa-alueille. Koska Suomi on pohjoismaa, jonka läpi kulkee myös napapiiri, se saa kokea osansa tästä Mercatorin projektion aiheuttamasta vääristymästä napa-alueilla. Koska projektio on oikeakulmainen, valtion muoto on oikea, mutta sen pinta-ala on vääristynyt. Siitä syystä loimme TM35FIN-projektiota, sekä Mercatoria vertailevan kartan (kuva 1), joka havainnollistaa pinta-alan moninkertaistumista mitä enemmän pohjoiseen mennään Mercatorin projektiossa.

Kuva 1 Mercator vs. TM35FIN pinta-alan moninkertaisuus

Sofia Miettinen pohtii blogisaan Sofian Gis-blogi, että olisiko tässä tehtävässä voinut kenties käyttää yhden värisävyn skaalaa, sillä kuvan 1 kartassa luokat jakautuvat suuruusjärjestyksessä. Tämä ratkaisu olisi kenties ollut selkeämpi jollekin, joka näkee tämänlaisen kartan ensimmäistä kertaa koskaan ja haluaisi yrittää tulkita sitä. Usein punainen väri mielletään negatiivisena eli punaisen väriskaala voisi toimia kartassa vaihtoehtoisesti. Tällöin eniten vääristyneet alueet olisivat tummempia ja vähiten vääristyneet alueet vaaleampia. Nyt kuvan 1 kartta saattaisi myös olla ongelmallinen punavihervärisokeille, sillä vihreät ja punaiset alueet ovat suhteellisen lähellä toisiaan, mutta edustavat aivan eri suuruusluokkia projektion vääristymän suhteen.

Lähteet:

Miettinen, S. (2024) Sofian Gis-blogi, Toinen kurssikerta (Viitattu 5.2.2024)

Ensimmäisellä kurssikerralla kävimme läpi tulevien viikkojen ohjelmaa, ja mitä kurssi tulee sisältämään. Kertasimme yleisiä asioita ja käsitteitä koskien paikkatietoa ja sen esittämistä. Pääsimme jo ensimmäisellä kerralla QGIS-paikkatieto-ohjelman kimppuun ja suoraan kurssiharjoitusten pariin. Kyseistä ohjelmaa käytettiin jo kerran syksyllä ensimmäisessä periodissa kurssilla MAA-104 Johdatus maantieteellisiin menetelmiin, joten se ei ollut täysin vieras. Ohjelma sisältää kuitenkin niin paljon erilaisia komentoja ja työkaluja, että kertaus yksinkertaisimmistakin asioista oli erittäin tarpeellinen.

Harjoitus 1

Lähdimme työstämään ensimmäistä harjoitusta yhdessä. Tarkoituksena oli muodostaa koropleettikartta Itämeren alueen valtioiden muodostamista typpipäästöistä. Ohjelman käyttöä ja kartan luomista käytiin yksityiskohtaisesti kohta kohdalta opettajan ohjeistuksella luokan kanssa. Lopputulos näkyy alla olevasta kuvasta 1.

Kuva 1 Itämeren valtioiden typpipäästöt

Kuvasta huomaamme, että tarkastellut valtiot ovat jakautuneet kolmeen eri luokkaan. Tarkasteluun kuulumattomat valtiot merkkasin harmaalla, jotta huomattaisiin selkeä ero niiden valtioiden välillä joita tarkastellaan ja joita ei. Merkittävimmät huomiot kuvasta ovat Puolan ja Viron päästöt. Saksa, Ruotsi, Latvia, Liettua, Suomi ja Venäjä kuuluvat keskimmäiseen kategoriaan, jossa maat ovat kukin tuottaneet 3,2-13,3% Itämeren alueen typpipäästöistä. Puola on alueen ainut valtio, jonka päästöt ylsivät ylimpään kategoriaan (13,3%<). Puolalla on paljon vähemmän rantaviivaa kuin esimerkiksi Suomella tai Ruotsilla. Syitä Puolan runsaisiin typpipäästöihin pohtii myös Veera Matikainen (2024) blogissaan Veeran GIS-blogi. Hänen mukaansa syy piileekin maataloudessa, sillä Puolassa on Euroopan unionin toiseksi eniten maatiloja, joiden pinta-ala oli vuonna 2016 14,4 miljoonaa hehtaaria. Suomessa puolestaan maatilojen yhteenlaskettu pinta-ala vuonna 2021 oli vain 2,3 miljoonaa hehtaaria. Syynä tähän ovat varmasti muun muassa erilaiset ilmastot lämpötiloineen sekä maaperän hedelmällisyys.

Harjoitus 2

Toinen harjoitus puolestaan oli itsenäisesti kotona tehtävä harjoitus. Tarjolla oli muutaman eri vaikeustason tehtäviä, mutta itse valitsin vaikeustason 1 tehtävän, jotta voisin opetella QGIS-ohjelman käyttämistä paremmin. Taitojen ja itsevarmuuden karttuessa kurssin aikana haluan haastaa itseäni ottamaan vaikeampia tehtäviä myöhemmin.

Tehtävässä pystyi valitsemaan useiden eri käytettävien aineistojen väliltä, mutta itse valitsin alle 15-vuotiaiden prosentuaalisen osuuden Suomen eri kunnissa. Itse kartan luominen meni todella nopeasti kurssikerralla opittujen yksinkertaisten työkalujen käyttämisen oppimisen ansiosta, mutta pyörittelin erilaisia luokkajakoja todella kauan löytääkseni sopivan. Päädyin lopulta jakamaan aineiston neljään luokkaan, joista pienin on 0-12% väestöstä ja suurin on 20-30,8%. Lopputulos on alla oleva kuva 2.

Kuva 2 Suomen kuntien alle 15-vuotiaiden osuus (%)

Kartasta huomataan, että suurimmat keskittymät, joissa asuu alle 15-vuotiasta väestöä ovat Keski-Suomen suurimmissa kaupungeissa ja etenkin niiden ympärillä. Suurin osa alle 15 vuotiaista asuu edelleen omien perheittensä luona, joten kartasta voidaan päätellä alueita ja kuntia, jotka ovat lapsiperheiden suosimia. Yhtenä suurempana alueena voidaan huomata Pohjois-Pohjanmaa. Mielestäni on mielenkiintoista, kuinka Vaasan ja Oulun välissä olevissa pienemmissä kunnissa on koko maassa suurimmat prosentuaaliset lukemat alle 15-vuotiaiden suhteen. Ero länsirannikon ja Itä-Suomen välillä on huima. Länsi-Suomen monissa kunnissa 1/5 väestöstä on alle 15-vuotiaita, kun taas monissa Itä-Suomen kunnissa luku puolittuu.

Lähteet:

Matikainen V. (2024) Veeran gis-blogi. Ensimmäinen kurssikerta (18.1.2024) Viitattu 23.1.2024. https://blogs.helsinki.fi/veematik/