Harjoitus 6. Pisteaineistojen esittäminen kartalla: hasardeja

Kuudennen harjoituskerran aluksi jalkauduimme reippaalla pakkassäällä maastoon harjoittelemaan itse datan keruuta. Kiersimme noin tunnin ajan Kumpulan lähiympäristöä keräten itse Epicollect5-sovelluksen kautta paikkatietoa. Kerättäviksi tiedoiksi tulivat kunkin paikan herättämät mielikuvat viihtyisyydestä ja turvallisuudentunteesta. Keräsin tietoa kymmeneltä eri pisteeltä noin 500 metrin säteellä laitoksesta: Limingantien rauhasta Arabian kauppakeskuksen hyörinään, ja niiden väliltä. Jokaisesta pisteestä talletin Epicollectiin pisteytetyt tiedot, omat kommentit ja valokuvan jokaisesta kohteesta.
Tiedot talletettiin pisteaineistona Epicollectin kautta ja kerättiin yhteen karttaan palattuamme (lämpimään!) GIS-luokkaan.
Koko ryhmän yhteisesti kerättävistä tiedoista muodostui siten uusi paikkatietokanta Kumpulan ympäristön herättämästä turvallisuuden/turvattomuuden ja viihtyisyyden/epäviihtyisyyden tunteesta asteikolla 1-5.
Tämän kerran aloitusharjoitus ja Epicollect5:n käyttö työkaluna oli entuudestaan tuttua, sillä Maantieteen didaktiikan kurssilla olimme juuri suunnitelleet oppitunnille geomediaharjoituksen, ja valinneet ryhmäni kanssa kännykän melumittaussovelluksella tehtävän ja Epicollect5:llä kerättävän melumittauksen koulun alueen ympäristöstä.
Joten jotain siis sujui helposti tutuilla työvälineillä.

Seuraavana harjoituksena tutkimme (ihanan lämpimässä GIS-luokassamme) Helsingin ydinkeskustan kortteleiden katujulkisivujen kaupallisuusastetta kahden korttelin julkisivuissa. Harjoituksen tarkoituksena oli paitsi opetella uuden pluginin ja API-keyn käyttöä StreetViewn saamiseksi pisteaineiston keräykseen, myös opetella saatujen pisteaineistojen interpolointia. Jostain syystä Go2Streetview-plugin ei toiminut minulla, vaan ilmoitti virheestä JavaScriptissä (!). Plan B lennosta käyttöön, eli toiseen ikkunaan avattu GoogleMapsin Streetview pelasti harjoituksen.
Kaupallisuusaste pisteytettiin oman mielikuvan mukaan asteikolla 1-5, ja pisteytyksen avulla tarkasteltiin kaupallisten kiinteistöjen jakautumista edellä mainittujen katujen varsilla. Saatu vaikutelma tallennettiin digitoimalla havaintopiste, jolle tallennettiin sekä id-tunnus eli juokseva numerointi että kaupallisuuspisteet.
Seuraavaksi pisteaineistosta laadittiin interpolointiesitys, joka muodosti saaduille arvoille jatkumon merkittyjen pisteiden välille.
Saimme käyttöön jälleen uuden, hyödyllisen pluginin, eli Interpolation pluginin. Käytimme Inverse Distance Weighting -metodia, jonka avulla interpolointiin saatiin mukaan pisteen interpolointiin vaikuttavan painoarvon suhteuttaminen etäisyyden mukaan. Etäisyyden painotusastetta pystyi muuttamaan itse valitsemalla etäisyyskertoimelle eri arvoja, me käytimme kerrointa 4. Lopputuloksena saimme modernia taideteosta muistuttavan kartan (kuva 1).

Kuva 1. Interpolointi Bulevardin eteläpuolen kortteleiden kaupallisuusasteesta (kuvakaappaus)

Kurssin itsenäistehtävänä teimme harjoituksen hasardeista ja niiden alueellisesta esiintymisestä.
Tehtävässä pääsimme harjoittelemaan tiedon etsintää netistä ja sen tuomista pistemäisessä muodossa kartalle.
Tehtävänä oli muodostaa kolme karttaa valitsemastaan hasardista: maanjäristyksistä, tulivuorista tai meteoriittien putoamispaikoista. Valmiiden karttojen piti voida myös soveltua hyödynnettäviksi omassa opettamisessa.

Ensimmäinen, jo kurssikerralla valmiiksi saama karttani koski magnitudiltaan 5.0-8.9 maanjäristyksiä, jotka ovat tapahtuneet 1.1.2002-24.2.2017. Halutut tiedot haettiin linkistä www.quake.geo.berkeley.edu/anss/catalog-search.html, kopioitiin Exceliin ja muokattiin käyttökelpoisiksi siellä, ja tallennettiin csv-muotoon ja nimettiin. Näin saatu csv-tiedosto avattiin QGISissä, koordinaatisto trimmattiin kuntoon ja voila – ensimmäinen hasardi-kartta oli valmis (kartta 1.). Vaikutti mukavan helpolta, ainakin edelliseen harjoitukseen verrattuna. Mutta.

Kartta 1. Maanjäristykset, ensimmäinen kokeilu. Huomaa mittakaavajana.

Seuraava tehtävä, eli karttasarja maanjäristyksistä ei sujunutkaan yhtä hyvin kuin harjoituksissa aikaansaatu kartta (kartta 1). Halusin mukaan myös yli yhdeksän magnitudin asteikolla olevat suuret järistykset ja datan tuominen ja siivoaminen käyttökelpoiseen kuntoon vaati tällä kertaa oikeasti verta, hikeä ja varsinkin kyyneleitä. Kirjaimellisesti.
Onneksi huomasin etten ole ainoa; samojen asioiden kanssa kamppaili ainakin myös Tuuli Lahin omassa blogissaan (https://blogs.helsinki.fi/lahintuu/).
Taitoni ovat vasta kehittymässä, joten pienikin kompastus ja sen selvittäminen viivyttää työtäni kymmeniä tunteja ja tämän taulukon kanssa meni pitkään ja lukemattomia yrityksiä, mutta nyt osaan unissanikin siivota ladattua dataa QGIS-kuntoon Exceliin, eli ensin kopiointi (copy paste) ANSS:n hausta ja se NotePadiin. Muistion talletus. Muistion avaus Excelissä, sarakkeisiin jako, ja kaikkien sarakkeiden muunto tekstiksi. Pisteiden muunto pilkuiksi, oikeat määrät desimaaleja kaikkiin lukuihin. Sen jälkeen kaikki sarakkeet joissa numeroita uudelleen luvuiksi. Tallennetaan Excelinä (myös) ja tallennetaan csv:nä. Tuodaan csv QGISiin. Eipä enää taulukko ryppyillyt, tarpeeksi monta kertaa kerrottu joka sarakkeelle, mikä se oikeasti on, ja varmistettu ettei yksikään arvo pääse muuttumaan esim. päivämääräksi. Tämä on varmaan kaikille taitavammille itsestäänselvyys, ja ehkä harjoituksissa käyty läpi, mutta nyt minäkin osaan sen.

Halusin myös selvittää, millainen datan sarakkeissa mainittu yksikkö Mw tarkalleen on, ja siitä löytyi hyvä, tiivistetty tieto yliopiston omalta sivulta http://www.helsinki.fi/geo/seismo/maanjaristykset/tieto/magnitudi.html.

Seuraavaksi karttasarjan kimppuun. Halusin useamman kartan sarjan lähtien voimakkaimmista järistyksistä (>=9), niin että aina seuraavaan karttaan tulee yksi alempi magnitudi lisää, jolloin pisteiden määrä kasvaa kartta kartalta.
Tämä oli toimivaa toteuttaa omalla lempityökalullani, filtteröinnin Query Builderilla, jolloin toin ensin ANSS:n koko skaalan 5-12(!) momenttimagnitudin (Mw), koko maapallon ajalta 2002-2017 (halusin olla varma, että kaikki suuret järistykset tulevat varmasti mukaan) tiedot QGISiin. Sen jälkeen duplikoin saadun layerin yhtä monta kertaa kuin haluttujen karttojen määrä eli 6, ja sitten vain asetin jokaiseen tasoon filtterin niin, että kukin layeri näyttää aina pelkästään valitut maanjäristykset. Query Builderillä rakennettu filtteri tallentuu layerin mukana, joten saan aina avatessani projektin kaikki filtteröidyt layerit samoine arvoineen. Eli yhden kartan sai tavallaan jaettua useammaksi suodattamalla halutut yksilölliset tiedot talteen omalle layerilleen. Sitten vain klikkaan haluamani layerin näkyviin ja muodostan Print Composerilla siitä uuden kartan, ja minulla on kokonainen sarja karttoja.
Halusin mukaan myös mannerlaattojen rajat, ja muutaman turhan yrityksen jälkeen toimiva shapefile löytyi USGS ScienceBase-Catalogista nimellä Plate Boundaries.

Tein vielä yhden yhdistetyn maanjäristys- ja tulivuorikartan, johon kävin hakemassa NOAA:sta materiaalin. Tämä materiaali taipui todella helposti taulukoksi, vain pientä trimmaamista tarvittiin. Aivan toista kuin maanjäristyksien materiaalit.
Ainoa ihmetyksen aiheeni on ero kurssikerralla tehdyn ja kotona tekemäni yli 5 Mw:n kartassa: jälkimmäisessä kartassa on samalta voimakkuudelta ja ajanjaksolta olevia järistyksiä huomattavasti enemmän. Tarkistin yli 5 Mw:n haun useamman kerran, ja sain saman datan. Ehkä ero aiheutui esim. erilaisesta syvyysasetuksesta, joka omassa haussani oli 1km.

Valmiista kartoista jätin mittakaavajanan kokonaan pois (ensimmäiseen kokeiluun jäi malliksi), sillä projektion vääristyessä napa-alueita kohden ei mittakaavajana skaalaudu todellisena kuin jonkun tietyn latitudin (sekä pohjoista että eteläistä) kohdalla. Huomasin tämän, kun yhteen karttaan laitettu mittakaavajana poikkesi voimakkaasti muista pituudeltaan. Olisihan se pitänyt itsekin tajuta.
Saman huomion ovat tehneet Saku Saarimaa ja Liisa Niemi blogeissaan.

Opettajana käytän karttasarjaa havainnollistamaan maanjäristyksien suuruuden, määrän ja sijainnin suhteita: miten paljon enemmän on pieniä järistyksiä kuin todella suuria, ja millä alueilla eri voimakkuuksisia järistyksiä esiintyy (kartat 2-6). Tulivuoret lisäämällä (kartta 7) karttasarjasta tuli vielä informatiivisempi tulivuorten asettuessa kauniisti mannerlaattojen ja siirtymälinjojen reunoille. Kartasta näkee havainnollisesti, miten laattatektoniikka saa aikaan erilaisia ilmiöitä maan kuoressa.
Lisäksi maanjäristysten karttasarjasta näkee, miten järistykset liittyvät laattojen liikkeisiin: työntymäkohdilla on järistyksiä huomattavasti enemmän kuin siellä missä laatat erkanevat toisistaan.

Uskon näistä kartoista (ja muista tulevaisuudessa vastaavalla metodilla QGISissä tehdyistä teemakarttasarjoista) olevan työssäni paljon hyötyä ilmiöiden visualisoimisessa ja havainnollistamisessa. Esimerkiksi Tyynenmeren tulirengas on nimensä veroinen.
Lisäämällä näihin karttoihin ihmisen toiminnasta ja asutuksesta kertovaa dataa saisi myös hyvän käsityksen katastrofiherkistä alueista ja niiden erilaisista riskeistä. Luulen, että teen tulevaa työtäni varten vielä sellaisen karttasarjan ainakin asutuksen osalta.
Ehkä lukio-opetuksessa voisi olla mahdollista syventävillä kursseilla ottaa myös QGIS mukaan opetukseen oppilaiden omaan käyttöön.

Kartta 2. Maanjäristykset yli 9 Mw (momenttimagnitudi).