Tällä kurssiviikolla pääsimme kurssikerran aluksi ulkoilemaan ja keräämään dataa puhelintemme ja Epicollect5-sovelluksen avulla. Kuten käynnissä olevan maailmanajan perusteella olettaa saattaa, aiempina kurssimaanantaina ulkoilukelit olisivat olleet lähes täydelliset, mutta juuri tänä maanantaina saimme nauttia jäätävän säteen, kovan tuulen ja näiden yhteistyön tuotoksen eli peilijäätyneen maan olosuhteista. Itse tiedonkeruusovellus vaikutti todella kiinnostavalta, ja saatan sitä hyödyntää omissa tulevissa projekteissani.  Sisälle päästyämme harjoittelimme hetken interpolointia QGIS:ssä keräämämme tiedon perusteella, mikä vaikutti myös oikein käyttökelpoiselta taidolta.

Kurssikerran toisella puolikkaalla harjoittelimme ensin teksti/taulukkomuotoisen datan hankintaa ja sen tuomista QGIS:iin, jonka jälkeen saimme tehtäväksemme hyödyntää juuri oppimiamme ominaisuuksia karttojen luonnissa. Tehtävä oli melko kiinnostava: sellaisten karttojen tuottaminen, joiden avulla voisi opettajana opettaa ja havainnollistaa hasardien esiintymistä. Päätin keskittyä omissa kartoissani maanjäristyksiin ja meteoriittitörmäyksiin, sillä niiden usein samankaltaisesta tuhovoimasta ja haittavaikutuksista huolimatta niiden syntyprosessit ovat täysin eri planeetoilta, ja tätä voisi hyvin havainnollistaa esiintyvyyskarttojen avulla. Ensimmäiseen karttaan otin kaikki NCEDC:n (Northern California Earthquake Data Center) rekisteröimät yli 6 magnitudin maanjäristykset vuodesta 1940 vuoteen 2013, sekä kaikki NASA:n rekisteröimät tunnetut meteoriittitörmäykset vuoteen 2018 asti:

Kuvassa siis punaiset pisteet ovat maanjäristysten sijainteja, siniset meteoriittitörmäysten. Kuva havainnollistaa mielestäni hyvin, kuinka maanjäristykset keskittyvät litosfäärilaattojen reuna-alueille, erityisesti Tyynenmeren tulirenkaan alueelle. Meteoriittitörmäyksissä ei ole samanlaista ilmiötä havaittavissa, vaan törmäysten sijainteja on havaittu lähinnä maa-alueilta, sillä siellä kraaterit ovat helpommin havaittavissa. Lisäksi havaittujen kraaterien painotus Yhdysvaltojen alueella voi johtua siitä, että aineiston on Yhdysvaltalaisen NASA:n sivuilta, tosin heidän mukaansa kansainvälisen The Meteoritical Societyn tuottamaa. Päätin pitää kartan mahdollisimman yksinkertaisena ja helppotajuisena, joten en erotellut tähän ensimmäiseen karttaan maanjäristyksiä niiden voimakkuuden mukaan.

Seuraavissa kahdessa kartassa keskityin tarkemmin ilmiöiden alueelliseen jakautumiseen ja painottumiseen, esimerkkialueinani yhdessä kartassa Kaakkois-Aasia, Australia ja Oseania, sekä toisessa kartassa Eurooppa ja Pohjois-Afrikka.

Nämä kaksi karttaa havainnollistavat hyvin, kuinka maanjäristykset painottuvat litosfäärilaattojen reunavyöhykkeille, erityisesti alityöntövyöhykkeille, jollaisia ovat esimerkiksi ylemmässä kuvassa Australian laatan painuminen Sundan laatan alle, sekä alemmassa Afrikan laatan työntyminen Euraasian laatan alle. Ylemmän kartan alue on osa Tyynenmeren tulirengasta, jossa vulkaaninen ja seisminen toiminta on erityisen yleistä. Alemmassa kartassa on seismisesti ja vulkaanisesti verrattain hyvin rauhalliset Euraasian länsiosa & Pohjois-Afrikka, jossa ainoastaan Välimeren itäosissa ja Lähi-Idässä on ollut merkittäviä maanjäristyksiä vuoden 1940 jälkeen.  Näissä kartoissa päätin kuvata seismisen toiminnan eroja tarkemmin, kuvaamalla myös maanjäristysten voimakkuutta magnitudiasteikolla punaisen eri sävyillä. Sen avulla kartoista huomaa, että Kaakkois-Aasian ja Oseanian alueella on paitsi ollut paljon enemmän maanjäristyksiä ylipäätään kuin Euroopassa ja Pohjois-Afrikassa, siellä on ollut myös huomattavasti enemmän voimakkaita järistyksiä. Euroopan ja Pohjois-Afrikan kartan alueella ei ole esimerkiksi havaittu voimakkaimman kategorian (8,48-9,1) järistyksiä ollenkaan tarkastelujaksolla. Kartoissa on mukana myös meteoriittitörmäysten sijainnit sinisillä pisteillä, edelleen havainnollistamassa niiden alueellisen jakautumisen satunnaisuutta verrattuna seismiseen toimintaan. Meteoriitit kun tulevat avaruudesta, niiden törmäyskohtiin eivät litosfäärilaattojen liikkeet vaikuta.

Kartat ovat mielestäni hyvin onnistuneita ja havainnollistavia. Tietoa ja tekstiä ei kartoissa ole liikaa, joten niiden sisältö on helppo sisäistää. Nyt onnistuin tekemään myös QGIS:ssä hienot legendat, joissa on ainoastaan tarpeellinen teksti ja symbolit. Teksti ja symbolit ovat myös tarpeeksi suuria, että ne pystytään lukemaan helposti. Päätin ottaa näihin karttoihin litosfääriprosesseihin liittyvistä hasardeista vain maanjäristykset selkeyden vuoksi, mutta niiden avulla voisi myös havainnollistaa hyvin muiden litosfäärilaattojen liikkeistä johtuvien hasardien, kuten tulivuorenpurkausten ja tsunamien alueellista jakautumista. Hyviä havainnollistavia kuvia ja julisteita näihin hasardeihin liiittyen on saatavilla  ITIC:n eli kansainvälisen tsunamitietokeskuksen sivuilla: http://itic.ioc-unesco.org/index.php?option=com_content&view=article&id=1672&Itemid=1075. Näiden kuvien avulla voisi paremmin havainnollistaa tulivuorenpurkausten ja tsunamien esiintymisen painottuvan vahvasti samoille alueille kuin maanjäristysten.

Opetuskäyttöön erinomaisesti soveltuvia litosfäärilaattaprosesseihin liittyviä hasardeja visualisoivia karttoja on nähtävissä esimerkiksi Heidi Syrjäläisen ja Lotta Puodinkedon blogikirjoituksissa. Syrjäläisen tekstissä 6. kurssikerta oleva kuva 5 on tähän tarkoitukseen todella hyvä, sillä tässä kartassa on nähtävissä suurimpien litosfäärilaattojen reuna-alueet. Tämän kartan tukena voisi hyvin esittää Puodinkedon kirjoituksessa 6. kurssikerta: Lenkkeilyä, interpolointia ja hasardeja löytyvän kuvan 2, jossa on visualisoituna kaikki yli 1 magnitudin maanjäristykset vuosien 1950 ja 2012 välisenä aikana. Järistyksiä kuvaavat pisteet osuvat litosfäärilaattojen reuna-alueille niin hienosti, että parempaa visualisointia maanjäristysten taustailmiön tueksi on vaikea kuvitella. Mielenkiintoinen ratkaisu, johon kartoissaan oli esimerkiksi Puodinketo ja moni muu kurssilainen päätynyt, oli etenkin pohjoisnuolen ja joissain tapauksissa myös mittakaavan jättäminen pois. Esimerkkejä tällaisista kartoista löytyy mm. Ville Väisäsen blogikirjoituksesta Interpolointia ja hasardeja, sekä Annika Innasen blogitekstistä Harjoitus 6: maanjäristyksiä ja tulivuorenpurkauksia kartalla. Monista muista kurssilaisista poiketen päätin laittaa maailmankarttaanikin sekä mittakaavan että pohjoisnuolen, maailmankartan mittakaava vaihtelee karttaprojektion mukaan ja pohjoisen suuntakaan ei ole vakio, vaikka ymmärrän yleisen käytännön vaikutuksen intuitioon olevan pohjoisnuolen kanssa vahva erityisesti täällä Pohjolassa. Perusteluinani laittaa pohjoisnuolikin näkyviin on: 1. Ei siitä ainakaan haittaa ole, ja tärkeämpänä 2: etenkin nuorten oppilaiden opetuksessa koen tärkeäksi, että pohjoisnuoli on näkyvissä jo siitäkin syystä, ettei pohjoisen suunta kartalla välttämättä ole lapselle itsestäänselvyys. Lisää litosfäärilaattahasardeista tehtyjä karttoja pohjoisnuolen ja mittakaavan kanssa, ja lisäksi erinomaista pohdintaa pedagogiikasta sekä maantieteen opetuksesta peruskoulutasolla on Henna Sanaksenahon blogissa Nykypäivän koulumantsaa!

Kokonaisuutena kurssikerta oli hyvä, vaikka kävellessä saikin Suomen vuodenaikaishasardin eli äärimmäisen liukkauden takia muutaman kerran pelästyäkin. Kävelyyn olisi voinut varata hieman enemmän aikaa. Kurssikerta tuntui kevyeltä ja kävelyä lukuunottamatta hyvin mitoitetulta, tehtäviin kerkesi keskittyä ja panostaa hyvin.

Lähteet

Innanen, A. Harjoitus 6: maanjäristyksiä ja tulivuorenpurkauksia kartalla. Annikan GIS-blogi. 25.2.2021. (Viittausta muokattu 8.3.2021)

ITIC: The International Tsunami Information Center. 2021: Global and regional hazard maps. Luettu 23.2.2021

NASA’s open data portal. 2018. Meteorite Landings. Luettu 23.2.2021

NCEDC: Northern California Earthquake Data Center. 2014. Historic ANSS Composite Catalog Search. Luettu 23.2.2021.

Puodinketo, L. 6. kurssikerta: Lenkkeilyä, interpolointia ja hasardeja Lotan blogi. 22.2.2021. (Viittausta muokattu 8.3.2021)

Sanaksenaho, H. Nykypäivän koulumantsaa! HennaBlog. 25.2.2021. (Viittausta muokattu 8.3.2021)

Syrjäläinen, H. 6. kurssikerta. Heidin blogi. 2.3.2021. (Viittausta muokattu 8.3.2021)

Väisänen, V. Interpolointia ja hasardeja. Villen GIS-blogi. 22.2.2021.(Viittausta muokattu 8.3.2021)

 

Kurssiviikon 5 kurssikerta poikkesi aiemmista melko paljon, pääasiassa sen takia, että pääpaino oli tällä kertaa uuden opettelun sijaan tähän mennessä hankitun QGIS-osaamisen keräämisessä yhteen ja soveltamisessa.  Lisäksi edellisillä kerroilla alkanut trendi taistelusta QGIS:n kanssa jatkui oikein kunnolla, ja tällä kertaa levisi painiin ylipäätään tietokoneen ja etätyöskentelyn kanssa. Aiemmilla kerroilla tekniset ongelmat eivät juurikaan olleet häirinneet kurssikerran suorituksia, mutta tällä kertaa näin tapahtui: aluksi kesti jopa 45 minuuttia, ennen kuin QGIS:ini suostui avaamaan kaikki itsenäisessä tehtävässä tarvittavat tiedostot kansion monen uudelleenlataamisen jälkeen. En edelleenkään tiedä, mikä ongelma avauksessa oli, sillä asetukset ja avausmetodit olivat samoja onnistuneella kerralla kuin monilla epäonnistuneilla. No mutta, lopulta aineistot saatiin auki ja tehtävät suoritettua. Kirsikkana kakun päälle excel-tiedosto, jossa minulla oli osa tehtävä 2:n vastauksista, sekä kaikki 3:n ja  Malmin lentokenttätehtävän vastaukset, kaatui kesken tallennuksen. Onneksi minulla oli tehtävä 3:n vastaukset jääneet kopioiduiksi joten sain ne liitettyä tiedostoon, jossa minulla oli Helsinki-Vantaa-tehtävän vastaukset ja osa tehtävän 2 vastauksista. Näin jäi kurssikerran monen tunnin tietokonetaisteluista sentään jonkinlaiset tulokset laitettavaksi tänne blogiin:

Harjoituskerran idea oli mielestäni oikein hyvä, sillä se pakotti meidät käyttämään QGIS:ia ilman kattavaa ohjeistusta jokaisesta tehtävästä askeleesta, eli soveltamaan oppimiamme asioita käytännössä, ja mikä tärkeintä, pohtimaan erilaisten työkalujen käyttötarkoituksia ja soveltuvuuksia. Kädenvääntö tietotekniikan kanssa vei henkilökohtaisesti minulta sen verran paljon aikaa, etten kurssikertaa saanut aivan haluamallani tavalla käytettyä hyväksi, mutta kokonaisuutena kuitenkin harjoitus oli hyvä, ja QGIS:n käyttölogiikka ja erinäiset toiminnot ovat tämän harjoituksen jälkeen auenneet huomattavasti paremmin kuin aiemmin. Lisäksi tärkeä taito, mikä maanantai-illassa korostui ja QGIS ansiokkaasti opettaa, on tietotekniikkaongelmien sieto ja ratkaisukeinojen etsintä. Illan tärkein opetus on (taas) QGIS:n, Excelin ja koko tietotekniikan kanssa toiminnan kultainen sääntö: muista tallentaa se hiivatin tiedosto jokaisessa mahdollisessa välissä. Näin takaa sen, että kämppisasunnon eniten näyttöä vasten kohdistettuja voimasanoja aiheuttava ohjelma on kämppiksen huoneen CS, eikä omat opiskeluohjelmistot.

Oman taulukkoni ollessa sekä tiedoiltaan että ulkoasultaan vähintäänkin vajavainen, suosittelen tarkastelemaan aiheesta muiden kurssilaisten tekemiä erinomaisia taulukoita (ja erinomaisia blogikirjoituksia ylipäätään). Esimerkiksi Heidi Syrjäläisen blogissa 5. kurssikerta taulukko 1 on helppolukuinen ja visuaalisesti erittäin miellyttävä. Elmo Holopaisen blogissa Aiemmin opittujen taitojen syventämistä (vk.7) helppolukuisuutta lisää eri tehtävien vastausten jakaminen kahteen eri taulukkoon (taulukko 1 & 2). Milja Mäki-Rahkolan blogikirjoitus QGIS on Scar, Minä olen Mufasa on paitsi aivan erinomaisesti nimetty ja lukunautintoa lisäävästi kuvitettu, sieltä löytyvä taulukko 1 on pelkistetyssä yksinkertaisuudessaan käyttötarkoitukseen täydellisesti sopiva: paljon tietoa sisältävässä taulukossa on vain ja ainoastaan tarvittavat tiedot, ei edes mitään häiritseviä ruudukoita.

Tämänhetkisen QGIS-, ja paikkatieto-osaamisen perusteella QGIS:n perusasioiden hallinta tuntuu olevan minulla oikein hyvällä tasolla. Yksinkertaisten vektori-, ja rasteriaineistojen analyysi sujuu, ja tietokantojen yhdistäminenkin onnistuu. Viiden ensimmäisen kurssiviikon jälkeen tuntuu, että kaikista keskeisimpien QGIS-nappuloiden, kuten tietokantojen  avaaminen ja yhdistäminen, kohteiden valitseminen ja niiden yksinkertainen analysointi esimerkiksi tilastojen avulla,  ja selkeiden ilmiöiden tulkinta sekä visualisointi on hallinassa hyvällä tasolla. Layers-paneeli tuntuu jo ihan ystävältä. Select features -nappulat ovat välillä epäintuitiivisia, mutta todella hyödyllisiä kun niistä on paremmin päässyt perille.

Harjoituskerran uusista asioista puskurivyöhykkeet vaikuttavat todella lupaavilta. Niiden luominen tuntui hyvin yksinkertaiselta ja kätevältä, ja niiden potentiaalisten käyttötarkoituksien määrä on aivan valtava. Itse ajattelen luontaisesti oppiessa paikkatieto-ohjelmissa uutta: ”miten tätä ominaisuutta voisi hyödyntää luonnonsuojelussa?” Puskurivyöhykkeen luomisella ja analysoinnilla on tässä mielessä todella paljon sovelluksia, esimerkiksi erilaisten vaikutus-, altistus- ja suojelualuiden analysoinnissa.

QGIS, kuten muutkin paikkatieto-ohjelmat, tuovat sekä paljon potentiaalia että rajoitteita niillä käsiteltävän aineiston analyysiin. Yksi QGIS:n vahvuuksista on valtava määrä toimintoja ja analyysityökaluja, joita se pitää sisällään. Suuri määrä kuitenkin tarkoittaa, että ohjelmiston käyttäminen vaatii ihan omansa oppimisprosessin ja melko kattavan sellaisen. Hyvällä opetuksella QGIS on kuitenkin melko looginen ja helpohko käyttää, ja koen, että kattavan osaamisen käyttäjää rajoittaa enemmän käytössä olevat aineistot kuin QGIS:n ominaisuudet.  Nykyaikana etenkin EU:ssa kuitenkin kattavien aineistojen saatavuus ei yleensä tuota ongelmia, ja tietoni muista paikkatieto-ohjelmista ovat rajalliset: voihan esimerkiksi olla, että jokin muu ohjelma on optimoitu paljon paremmin jonkin tietynlaisen aineiston analysointiin kuin melko jokapaikanhöylä QGIS.

Kokonaisuutena kurssikerta oli lopulta ihan onnistunut kaikista teknisistä ongelmista huolimatta, ja käyttövarmuuteni QGIS:n perusominaisuuksien kanssa on sen ansiosta kasvanut.

Lähteet

Holopainen, E. Aiemmin opittujen taitojen syventämistä (vk.7). Elmblog. 28.2.2021. (Viittausta muokattu 8.3.2021)

Mäki-Rahkola, M. QGIS on Scar, Minä olen Mufasa. MAA-202 kurssiblogi. 1.3.2021. (Viittausta muokattu 8.3.2021)

Syrjäläinen, H. 5. kurssikerta. Heidin blogi. 22.2.2021. (Viittausta muokattu 8.3.2021)

Sukeltaessamme entistä syvemmälle QGIS:n maailmaan huomaa, että sukellusmetafora toimii tässä yhteydessä oikein hyvin: aluksi lähellä pintaa on oikein mukava olla, on valoa, paljon ihmeellistä nähtävää ja helppo liikuskella ympäriinsä. Syvemmälle mentäessä kuitenkin paine kasvaa, hengitys tulee vaikeammaksi ja valoa on entistä vaikeampi havaita ympärillään. Tällä kurssiviikolla QGIS hieman esitteli jo synkkiä syvyyksiään; jos viime viikolla oltiin QGIS:n kanssa painitatamilla niin tällä kertaa on hypätty huomattavasti syvemmälle ja huomaa, miksi sukeltaessa säännöllisten taukojen pitäminen on tärkeää.

Maanantai-illan kurssikerralla jatkoimme ensin vektoripohjaisten aineistojen yhdistämistä, ja pääsimme tutustumaan vektoriruudukon luontiin karttaan, ja pistemäisen aineiston yhdistämistä tähän. Luennon toinen osuus koostui rasterimuotoisten aineistojen käyttämisen aloittamisesta QGIS:ssä, ja pääsimme nauttimaan Corel-flashbackeistä ja hieman yllättäen jopa Corel-ikävästä valmistellessamme rasteriaineistoja ensi viikon kurssikertaa varten. Ai että niitä aikoja kun sai piirtää viivoja Corelissa, mutta tietysti ennen kaikkea ikävä oli sitä, että niitä viivoja sai piirtää yliopiston koneella kampuksella ollessa.

Tämän viikon blogitehtävä pohjautui luennon ensimmäisen puolikkaan aiheisiin, ja siinä tuli itsenäisesti yhdistää pistemäisen aineiston tietoa ruudukkoihin ja visualisoida tulokset. Valitsin tarkasteltavaksi aiheeksi eri-ikäisten ihmisten alueellisen jakautumisen pääkaupunkiseudulla. Perinteinen 1km x 1km ruudukko tuntui kokeilluista ruudukkokoista luontevimmalta, joten päätin suorittaa tehtävän sen avulla. Aineiston tiedot olivat siis kerätty pääkaupunkiseudun asuinrakennusten mukaan, ja tietosarake, jonka näistä tarkasteltavaksi valitsin oli rakennuksessa asuvien ihmisten ikien keskiarvo. Valitsin ruudukon avulla esitettäväksi luvuksi ruudun sisällä olevien näiden rakennusten asukkaiden ikäkeskiarvojen mediaanin. Tulokset näyttivät tällaisilta:

Kartasta on havaittavissa mielenkiintoisia tuloksia. Selkeä kartan näyttämä ilmiö on, että lähempänä Helsingin keskustaa kuuluvat lähes poikkeuksetta keskimmäisiin arvoluokkiin, kun taas mentäessä kauemmas keskustasta ja Espooseen ja Vantaalle, pienimmät ja suurimmat arvot sisältävät luokat ovat yleisimpiä, ja ne sijaitsevat melko sekoittuneesti keskenään. Tästä voi tulkita, että lapsiperheiden ja eläkeläisten suosiossa on usein samat alueet, jotka sijaitsevat kauempana keskustasta, esimerkiksi alueen rauhallisuuden tai luonnon läheisyyden takia. Helsingin keskusta-alueet taas ovat aikuisten ja keski-ikäisten suosiossa, esimerkiksi hyvien kulkuyhteyksien takia. Yksinasuvien määrä lienee myös suurempi lähellä keskustaa pienemmissä asunnoissa, ja tämä vaikuttanee myös havaittuun ikäjakaumaan.

Kartta on mielestäni jokseenkin onnistunut, ja siitä pystyy melko helposti tulkitsemaan esitettävän ilmiön. Aiempiin karttoihin verrattuna tässä kartassa itse teemakartta vie suurimman osan tilasta, ja legenda on hieman ahtaassa paikassa, mikä on visuaalisen miellyttävyyden kannalta hieman ikävää, mutta tässä kartassa itse teemakartta on huomattavasti paremmin nähtävissä kuin aiempien viikkojen tuotoksissani. Legendan otsikko ” Alueen asukkaiden mediaani-ikä” on roima yksinkertaistus tiedonluontiprosessista, joka tekee kartasta huomattavasti helpommin ymmärrettävän, mutta toki oikoo huomattavasti mutkia, kun siinä näkyvät luvut on saatu ottamalla mediaani alueen eri asuinrakennusten asukkaiden ikien keskiarvoista. Luettavuuden kannalta kuitenkin koen, että nykyinen ratkaisu on hyvä.

Samasta teemasta tehtyjä hyviä karttoja löytyy Annika Innasen ja Lotta Puodinkedon blogeista. Puodinkedon blogikirjoituksessa 4. kurssikerta: Ruutuja ja rastereita on omaan karttaani nähden hyvin vertailukelpoinen kartta (kuva 4), jossa on 1km x 1km ruudukoissa alueen asukkaiden keski-ikä viiden eri kategorian avulla. Oma karttani on muuten samanlainen, mutta siinä on visualisoituna asukkaiden mediaani-ikä ja kuusi kategoriaa. Sekä asukkaiden ikien keskiarvoa että mediaania tarkastellessa tulokset ovat erittäin samankaltaisia, mikä vahvistaa kuvaa pääkaupunkiseudun asukkaiden alueellisesta jakautumisesta iän mukaan: samankaltaisia tuloksia saavutetaan useammilla tarkastelumenetelmillä. Innasen blogikirjoituksessa Harjoitus 4: Väestöteemakartta ruutuaineistosta on myös kartta (kuva 2), jossa Innanen tarkastelee asukkaiden keski-ikää pääkaupunkiseudulla. Innasen kartassa ruudukko on 500m x 500m, joka mahdollistaa alueiden tarkemman tarkastelun. Tulokset ovat erittäin samankaltaisia kuin omassa kartassani ja Puodinkedon kartassa. 500m x 500m ruudukon etuna on, että se tekee selvemmän eron asuttujen ja ei-asuttujen alueiden välillä. Innasen valitsemat punertavat värisävyt ilmiön kuvaamiseen ovat myös kenties intuitiivisempia tulkita kuin omassa kartassani ja Puodinkedon kartassa, joissa käytössä olevien suurten värierojen etuna on selvät erot värien välillä.

Ruututeemakartta on verrattuna aiemmin tehtyihin koropleettikarttoihin ja esim. pistekarttoihin melko kovakourainen, sillä ruudukko on luotu riippumatta ilmiöistä, jota sen avulla esitetään. Tämä tekee ruudukosta hyvin käytännöllisen työkalun monen eri ilmiön esittämiseen, mutta se saattaa piilottaa esimerkiksi jollekkin yksittäiselle ilmiölle ominaisia aluejakautumisia. Erilaisten ilmiöiden vertailuun samalla alueella ruututeemakartta on erinomaisen hyvä, sillä samojen ruutujen pohjalta voidaan vertailla eri ilmiöitä. Visuaalisesti ja luettavuuden kannalta ruutukartta on toki melkoisesti  ”ronskimpi” kuin esimerkiksi ilmiölle yksilöity koropleettikartta.

Kokonaisuutena kurssikerta oli jälleen mielenkiintoinen. Tällä kertaa näimme, että edelliset kolme viikkoa antoivat ehkä hiukan liian ruusuisen kuvan QGIS:n käyttäjäystävällisyydestä, kun tällä viikolla useat jäätymiset, kaatumiset ja tilttaukset saivat varmasti monet kämppikset ihmettelemään maanantai-illan voimasanatulvaa naapurihuoneesta. Ensi viikolla taas lisää QGIS:iä ja siedätyshoitoa tämän pohjimmiltaan kuitenkin ihan hyvän ohjelman maailmaan.

Lähteet

Innanen, A. Harjoitus 4: Väestöteemakartta ruutuaineistosta Annikan GIS-blogi. 11.2.2021. (Viittausta muokattu 8.3.2021)

Puodinketo, L. 4. kurssikerta: Ruutuja ja rastereita Lotan blogi. 10.2.2021. (Viittausta muokattu 8.3.2021)

Kurssiviikolla 3 pääsimme QGIS:ssä ihmettelemään eri tietokantojen sisältämien tietojen yhdistämistä yhteen. Idean tasolla tämä kuulosti jo siltä, että tällä kertaa pääsee IT-painia suorittamaan oikein olan takaa. Tatami tulikin tällä viikolla tutuksi, mutta kehässä pysyminen oli lopulta yllättävän sujuvaa odotuksiin nähden. Tietokantojen yhdistäminen on erittäin hyvä taito, ja toivonkin että sitä pääsemme lisääkin tekemään tulevilla kurssikerroilla. Eniten harmaita hiuksia tällä kertaa aiheutti pylväsdiagrammin tekeminen karttaan ja pian ikuisuusongelmaksi kehittyvä legendan luonti, johon päätin tällä kertaa ottaa täysin eri lähestymistavan. Painittuani aikani QGIS:n legendan luonnissa pääsemättä jokaviikkoisissa ongelmissa eteenpäin, päätin ottaa yhteyttä vanhaan luotettavaan Paintiin, jolla legendasta sai selkeämmän näköisen.

Tämän kurssiviikon hienona karttatuotoksena on kartta Suomen päävesistöjen jokien tulvaindekseistä eli niiden alttiudesta tulvimiselle, yhdistettynä vesistön järvisyysprosenttiin eli yksinkertaisesti siihen, kuinka suuri osuus vesistöstä on järviä. Tulvaindeksi lasketaan jakamalla joen keskiylivirtaama sen keskialivirtaamalla, eli se on käytännössä kerroin sille, kuinka suuri vaihtelu virtaavan veden määrässä joessa on vuoden aikana.

Kartta esittää Suomen päävesistöistä kaksi tietoa: punaisen värin voimakkuus merkitsee joen tulvaindeksiä, ja sinisen pylvään korkeus vesistön järvisyyttä. Voimakkaampi punainen väri merkitsee suurempaa tulvaindeksiä eli suurempaa tulvimisalttiutta. Kartasta huomaa selkeän trendin: mitä suurempi on vesistön järvisyysprosentti, sitä pienempi on vesistön tulvaindeksi. Minulle tämä on limnologian eli sisävesitutkimuksen tenttikirjan lukeneena selkeä ilmiö: järvet toimivat vesistöissä tasapainottavina tekijöinä, jotka varastoivat vettä pitkiä aikoja. Mikäli vesistössä ei ole paljoa järviä, suuret vaihtelut vesimäärässä johtavat helposti tulviin, sillä ylimääräinen vesi ei voi kerääntyä muualle kuin joen uomien ulkopuolelle. Suomessa tulvaherkimmät joet keskittyvät rannikkoalueille, ja ne ovat useimmiten melko lyhyitä ja tasaisessa maastossa kulkevia.

Maallikkona karttaa tulkitsevana siitä pystyy tulkitsemaan sen esittävän jokivesistöjen tulvaherkkyyttä, ja että järvisyys näyttää olevan tätä ehkäisevä tekijä. Tulvaindeksin käsitettä voisi ehkä avata enemmän kartassa, jotta väärintulkinnan riski pienentyisi. Kartta on visuaalisesti oikein miellyttävä, värivalinnat ovat selkeitä ja värimaailma hyvä. Ongelma kartassa on, että pienemmillä jokialueilla pylväät peittävät taustan punaisen värin näkemistä jonkin verran, etenkin etelärannikolla. Se ei kuitenkaan merkittävästi haittaa kartan ydinviestin tulkitsemista.

Samasta aiheesta erinomainen kartta, jossa pienempienkin valuma-alueiden tulvaindeksit ovat hyvin nähtävissä, löytyy Lotta Puodinkedon blogitekstistä 3. kurssikerta: Afrikan konflikteja ja Suomen tulvia. Tässä kartassa myös tulvaindeksien kuvaamiseen käytetty sininen väri tekee kartasta mielestäni miellyttävämmän näkoisen kuin oman karttani melko hyökkäävä punainen värimaailma.

Kokonaisuutena on hienoa huomata, että viikkojen edetessä kartoista tulee sekä moniulotteisempia että visuaalisesti hienompia. Toivotaan, että sama kehitys jatkuu kurssin edetessä.

Lähteet

Puodinketo, L. 3. kurssikerta: Afrikan konflikteja ja Suomen tulvia. Lotan blogi. 2.2.2021. (Viittausta muokattu 8.3.2021)