Tällä kurssikerralla ei ainoastaan hyödynnetty jo valmiita tietokantoja, vaan jouduimme yhdistelemään sirpaloitunutta informaatiota ennen kuin pääsimme hyödyntämään sitä kartan laadinnassa. Tämä tarkoitti sitä, että tietokantojen muokkaamisen lisäksi opimme myöskin tuomaan MapInfoon muilla ohjelmilla luotua taulukkomuotoista dataa.  Tämä taito tulee varmasti olemaan hyödyllinen tulevaisuudessa, sillä harvoin on käytettävissä valmiita tietokantoja vaan tietoa joutuu keräämään ja käsittelemään pitkälti itse ennen kuin sitä on mahdollista hyödyntää karttojen laadinnassa.

Itse en päässyt tälle kurssikerralle, mutta onneksi hyödynnettävissä olivat kattavat ohjeistukset. Tämä sopi minulle hyvin, sillä opiskelutyylini on muutenkin varsin itsenäinen ja opin parhaiten kun etenen harjoitusten parissa omaan tahtiini. Kun eteen iilmestyy ongelma, tunnen palkitsevammaksi sen että etsin siihen ratkaisu omin nokkineni sen sijaan että vain kysyisin neuvoa opettajalta. Vaikka siihen saattaakin välillä kulua hieman enemmän aikaa. Tämän kurssikerran tehtävät olivat mielestäni kuitenkin varsin suoraviivaisia eikä missään vaiheessa tuntunut siltä ettei olisi tiennyt mitä on tekemässä.

Harjoituksen aiheena oli Suomen valuma-alueet sekä niiden tulvaindeksit ja järvisyys. Pienen ihmettelyn ja parin erehdyksen kautta sain lähdeaineiston käsiteltyä kartan laatimisen vaatimaan muotoon ja pääsin laatimaan jo aiempina viikkoina tutuksi tulleita koropleetti- ja pylväsdiagrammiesityksiä. Pohjalla olleen tulvaindeksikartan päällä tuli siis esittää valuma-alueen järvisyys pylväsdiagrammein (kuva 1). Tehtävänannossa ei taidettu ottaa esille että mitä tuo ”järvisyys” tarkkaan ottaen tarkoittaa, mutta oletin sen tarkoittavan järvien osuutta alueen pinta-alasta.

Kuva 1. Suomen valuma-alueet tulvaindeksiluokin ja järvisyysprosentein.

Tulvaindeksin frekvenssijakauman saimme suoraan tehtävänannosta, ja siitä oli helppo havaita aineiston olevan melko vinosti jakautunutta. Tämä sai minut ensin yrittämään aineiston luokittelua kvantiileittain, mutta jostain syystä tämä osoittautui hankalaksi eikä ohjelmisto osannut luoda järkeenkäypiä luokkavälejä. Lopulta päädyin käyttämään luonnollisia luokkavälejä, sillä se jakoi aineiston mielestäni melko onnistuneesti. Pohjanmaan ja Lounais-Suomen alavat jokilaaksot nousevat kartalta esiin, kun taas Lapin sekä Varsinais- ja Järvi-Suomen alueet näyttäytyvät alueina joilla tulvaindeksi jää pieneksi.

Luokkia olisi kyllä mielestäni voinut vielä ehkä muokata, en ole varma onko yhden aineistosta selvästi korkeimman arvon saaneen alueen määrittäminen omaksi luokakseen hyvä ratkaisu. Ehkä sen olisi voinut liittää toiseksi korkeimman alueen kanssa yhdeksi luokaksi? Vaikka väritys ei ihan huonoimmasta päästä olekaan, en koe että se olisi ihan täysin harmoninenkaan. Alimman luokan vihreä tuntuu muita värisävyjä räikeämmältä, hieman haaleampi sävy olisi voinut toimia paremmin. Pylväsdiagrammit tuntuvat aina olevan oletusarvoisesti pelko paksuja pannukakkuja, joten muokkasin niistä niin kapeita kuin se MapInfolla oli mahdollista. Tämänkin jälkeen ne peittävät paikoitellen (esimerkiksi kaakkois-rannikolla) valuma-alueiden rajat alleen, vaikka pyrin siirtämään pyväät mahdollisimman selkeästi erilleen ja omille alueilleen.

Yhdellekään Suomen topografiaa vähääkään tuntevalle kartan sisältö tuskin tulee yllätyksenä. Suurimman tulvaindeksin omaavat alueet sijaitsevat Itämeren rannikolla, niin Pohjanmaalla kuin Suomenlahden rannikollakin. Sisämaan valuma-alueilla tulvaindeksi on kauttaaltaan alhaisempi, erityisesti Järvi-Suomen alueella. Tällä alueella sen sijaan Järvisyys on kaikkein suurinta. Voidaankin huomata että Järvien määrä on kääntäen verrannollinen tulvaindeksiin.

Myös itse valuma-alueet eroavat selvästi alueellisesti toisistaan. Rannikon valuma-alueet ovat pitkittäisiä ja kooltaan pienempiä kuin sisämaassa. Sisämaan valuma-alueet koostuvatkin suuremmista toisiinsa yhteydessä olevista järvialtaista, kun rannikon valuma-alueet keskittyvät jokien ympärille. Järvialtaat reagoivat sateisiin (ja sulamisvesiin) hitaammin kuin pinta-alaltaan pienemmät joet. Tämä omalta osaltaan pienentää tulvaindeksiä. Rannikkoalueet ovat myös verrattain tasaista maastoa, jolloin tulvavedet pääsevät esteettä leviämään hyvin laajalle. Sisämaan maasto on huomattavasti mäkisempää.

On kuitenkin hyvä huomata että tulvaindeksillä tarkoitetaan juurikin joen virtaaman vaihtelun suuruutta. Tämä tarkoittaa sitä että suuren tulvaindeksin alueella saisia muutaman kerran vuodessa amuukahvia keitellessä kastella aamutossut tulvivassa keittiössä, vaan että joessa virtaa tiettyinä aikoina huomattavan paljon vettä (esimerkiksi keväisin lumien suliessa). Tästä oli kirjoittanut blogissaan myös Jasmin Bayar:

“Korkea tulvaindeksi ei välttämättä tarkoita tulvia alueella, vaan myös joen virtaaman suurta kasvua sateiden aikana ja lumien sulaessa.”

Koska tulvia aiheuttavat rankkasateet ovat Suomessa harvinaisia, johtuvat suurimmat tulvat juurikin keväisestä lumien sulamisesta. Kevät tuo mukanaan myös toisen tulvariskin nostajan juurikin jokien läheisyydessä, nimittäin jokiin syntyvät jääpadot joita usein joudutaankin hajottamaan mekaanisesti esimerkiksi kaivinkoneiden avulla. Tämän huomioi myös Samuli Massinen listatessaan blogissaan tulvien riskiä kohottavia tekijöitä:

“Tähän lisäyksenä tulvimisen riskiä nostavat myös muun muassa pinnanmuotojen tasaisuus (Pohjanmaa), tiiviit, vettä läpäisemättömät maalajit, rannikon nopea maankohoaminen (Pohjanmaa) sekä jokien keväiset jääpadot.”

Maastonmuodot ja erot vesistöissä eivät kuitenkaan ole ainoat tekijät jotka tulvien syntyyn vaikuttavat, myös ihmisten toimilla on prosesseissa oma osansa. Suomessa maatalous on suurelta osin keskittynyt suuren tulvariskin rannikkoalueille, juurikin muunmuassa Pohjanmaalle. Tämä tarkoittaa sitä että veden kulkua sääteleviä prosesseja on voimakkaasti muokattu. Vettä sitovia soita on ojitettu ja esimerkiksi Järvi-Suomelle ominaiset laajat metsäalueet ovat harvassa. Ihmisten vaikutuksen tulvaherkkyyteen oli huomioinut blogissaan myös Christa Sallasmaa:

“On hyvä muistaa, että luonnollisten tekijöiden lisäksi tulva-alttiutta nostavat myös ihmisen teot. Esimerkiksi Pohjanmaan tulvat ovat voineet lisääntyä suo-ojitusten seurauksena.”

Loput hienosäädöt tein jälleen Corelin avulla, kuten pohjoisnuolen sekä legendat – myös pylväiden paikkojen siirtäminen onnistui Corelilla sujuvasti. MapInfon laskennalliset alueiden keskipisteet (joiden mukaan monet aspektit kartalla sijoittuvat) ovat usein… vähän sinne päin. Luomistani kartoista  ensimmäisen blogipäivitykseni kartta on suoraan MapInfon jäljiltä, ja sen kyllä huomaa. Tästä eteenpäin en kyllä ainuttakaan karttaa ota ulos ennen kuin se on pyöräytetty jonkun kuvankäsittelyohjelman kautta!

Viitteet ja kirjallisuus:

• Bayar, J. (2014). 3. Kurssikerta 28.01: Tietokantojen data <https://blogs.helsinki.fi/jasbayar/>
• Massinen, S. (2014). Third Round – Datan lisäys tietokantaan <https://blogs.helsinki.fi/smassine/>
• Sallasmaa, C. (2014). 3. Kurssikerta: Tietokantoja ja teemakartta valuma-alueista <https://blogs.helsinki.fi/christas/>