Keskiviikon geokoodausta

Kuva 1. Maanjäristykset ja tulivuoret samalla karttapohjalla kuvattuna. Kartalta hahmottuvat selvästi litosfäärilaattojen reunat, joten niiden merkitseminen ja nimeäminen kuvaan voisi tuoda kartalle lisää informatiivistä arvoa.

Tämän viikon kurssikerralla opettelimme liittämään koordinaattipisteitä kartalle MapInfossa. Aivan ensiksi saimme harjoitella itse keräämällä aineistolla, sillä meidät tungettiin armottomaan talven tuiskuun heti aamutuimaan. Oli tosin motivoivaa huomata, että aineiston kerääminen alusta alkaen itse toimi, kunhan Arttu ensin korjasi virheet 🙂 On melko ihmeellistä, miten numerosarjat (koordinaatit) saadaan muuttumaan pisteiksi pohjakartalle muutaman metrin tarkkuudella. Totta kai onnistuakseen pitää tietää mitä koordinaattijärjestelmää käytetään ja miten päin koordinaatit syötetään, mutta loppujen lopuksi prosessi oli melko simppeli ja voitiin toteuttaa vain yksinkertaisen Excel-tiedoston pohjalta. Loppujen lopuksi kyse on numeromuotoisen sijaintitiedon esittämisestä karttapohjalla, mikä ei olekaan sen kummempaa taikuutta, mutta havainnollisuuden suhteen ero on suurempi kuin yöttömällä yöllä ja valottomalla päivällä. Pitkät numerosarjat on hyvin vaikea mielessään sijoittaa minnekään päin Helsinkiä, vaikkakin numerot sisältävät tiedon etäisyydestä päiväntasaajasta ja keskimeridiaanista, mutta ovat vaikea käsittää sinällään, kun taas sijoitettaessa ne Helsingin karttapohjalle asia valkenee yhdellä silmäyksellä.

Myöhemmin teemakarttoja luodessamme hyödynsimme samaa tekniikkaa, mutta latasimme vain valmiiksi kerätyn laajan tai itse haluamallaan tavalla rajatun aineiston netistä. Pienten muokkausten jälkeen siitä sai luettavan Excel-tiedoston et voilà -dataa pystyttiin havainnollistamaan teemakartoilla.

Kuva 2. Informatiivisempi karttaesitys maanjäristyksistä; litosfäärilaatat näkyvissä ja nimettynä, subduktiovyöhykkeet korostettu ja erkanemissaumat merkattu, maanjäristysaktiivisuus näkyvissä. Kartta yhdistää fiksusti useamman tiivisti toisiinsa liittyvän ilmiön samaan karttaan, mikä tukee laajempaa ymmärrystä.
Kuva 3. Karttaraakile tulivuorista maapallolla. Kartan värimaailma ja symboliikka melko rauhaton, mihin olen tyytymätön. Olisin halunnut kuvata Tyynenmeren tulirengasta saman tyylisesti kartalla, mutta sopivaa taustakarttaa ei löytynyt enkä itse osaa sellaista vielä luoda.

Hieman monimutkaisempaa oli geokoodaus. Eli muuten sama homma, mutta koordinaattien sijaan sijaintitietona on epätarkempi osoitetieto, joka voidaan sitoa kartalle Street- tietokannan avulla. Geokoodauskin onnistui moitteettomasti ja sen myötä on mahdollista havainnollistaa dataa hyvin monipuolisesti, sillä osoite on yksi perustiedoista ja sen tarkan ja kätevän paikannuksen myötä voidaan kuvata vaikka keskimääräistä kotitalouden kokoa kaupunginosassa tai miljoonaa muuta asiaa.

Harjoitusten jälkeen tavoitteena oli tehdä opetuskäytössä toimivia teemakarttoja hasardeista. Aineistojen lataaminen netistä sujui melko mutkattomasti, mutta hankalinta oli miettiä, mitä tietoa esittäisi kartalla maksimoidakseen sen informaatioarvon ja havainnollistavuuden ja mahdollisesti vielä antaakseen Heureka!- elämyksiä opiskelijoille kartan avulla. Tässä en koe onnistuneeni karttojeni kanssa. Halusin harjoitella kaikkien tietokantojen lataamista, sillä oloni oli hieman epävarma siitä aluksi, joten tein kartan eri aiheista (kuvat 3, 4 ja 5) ja lopuksi vielä halusin verrata maanjäristysten sijaintia tulivuorten sijaintiin (kuva 1) visualisoidakseni ilmiöiden päällekkäisyyttä ja vulkaanisuuden suurta määrää tektonisesti aktiivisilla litosfäärilaattojen rajapinnoilla. Vain yhtä ilmiötä esittävät kartat (3, 4 ja 5) ovat liian yksinkertaisia ja informaatioarvoltaan melko suppeita. Robinsonin projektiolla esitettyjen karttojen (3 ja 5) visualisointikin meni pieleen, sillä taustaväri on aivan liian hyökkäävä. Meteoriitteja kuvaava kartta taas on hieman irrallinen ja turha, vaikka visualisointi miellyttää enemmän silmääni.

Kuva 4. Suurimpien meteoriittien putoamispaikat. Yksinkertaisuudessaan kartan informaatioarvo on matala, sillä näkyvissä ei ole esim putoamisvuosia.

Karttaesitys, jollaisen olisin halunnut tehdä muistuttaa kuvaa 2. Ajatuksenani oli kuvata Tyynenmeren tulirenkaan tektonista ja vulkaanista aktiivisuutta, mutta taustakartoissa ei ollut vaihtoehtoa, joka olisi esittänyt Tyynenmeren kokonaisena (kuten kuva 2) enkä osannut luoda itse omaa taustakarttaa, joten jouduin tyytymään siihen, mitä sain aikaan valmiilla pohjalla (kuva 1).  Kuvassa 2 litosfäärilaattojen merkitseminen ja nimeäminen auttaa hahmottamaan ilmiötä laajemmin. Alueiden nimeäminen on keskeinen osa kartografista esitystä, sillä ilmiön alueellisuudesta on vaikea puhua, mikäli alueita ei ole nimetty kartalle. Enemmän maanjäristyksiä olisi voinut merkitä kartalle, tässä mielessä oma karttani on havainnollistavampi ja väreissäkin voisi olla kohentamisen varaa. Toisaalta mantereiden harmaa väri suuntaa huomion juuri esitettävään ilmiöön, mikä on hyvä. Maanjäristyksiä kuvattaessa olisi relevanttia huomioida myös niiden ihmisille aiheuttamat riskit, kuten Vilja Jokinen toteaa blogissaan, kartalle voisi merkitä suurimmat miljoonakaupungit ja arvioida niiden haavoittuvaisuutta maanjäristysten suhteen.

Kuva 5. Kohtuullisen voimakkaat maanjäristykset vuoden 2002 jälkeen. Järistykset noudattelevat selkeästi litosfäärilaattojen rajoja.

Mielestäni pedagogisesti hyödyllisintä on esittää paria toisiinsa kiinteästi liittyvää ilmiötä samanaikaisesti kartalla (kuten juuri vulkaanisuutta ja maanjäristyksiä) ja pohjalla vielä syy (litosfäärilaatat), joka ovat molempien prosessien taustalla. Näin opiskelija saa kokonaisvaltaisemman ja eheämmän käsityksen ilmiöistä ja voi visuaalisesti todeta niiden päällekkäisyyden ja voimakkuuden yhteisvaihtelun. Saara Varis kirjoittaa blogissaan aiheeseen liittyen: “Hahmottaessaan samalta kartalta litosfäärilaatat, maanjäristykset ja vielä tulivuoretkin –, oppilaiden on helpompi luoda kokonaiskuva maanjäristyksistä ilmiönä ja liittää ne laajempaan kontekstiin.” Visuaalinen esitys pureutuu muistiin ja kartalta voi itse tehdä omia tulkintojaan ilmiön alueellisuudesta ja voimakkuudesta. Asioiden esittäminen samalla kartalla herättää parhaimmillaan Ahaa- elämyksiä, mutta kartan selkeydestä ja luettavuudesta on huolehdittava, ettei esitys sekoita opiskelijaa ja ilmiöiden välillä on oltava yhteys. Lisäksi useat erilliset karttaesitykset voivat mennä mielessä sekaisin, eikä opiskeltavasta asiasta saa silloin yhtä kokonaisvaltaista kuvaa, onhan maantiede holistinen tieteenala, jonka tehtävistä yksi on yleistäminen.

Lähteet:

Kuva 2: Introduction to Earthquakes and Volcanoes <https://www.slideshare.net/kgphipps/introduction-earthquakes-and-volcanoes-presentation>, luettu 22.02.2017

Vilja Jokinen “Kurssikerta 6: GPS-paikannusta, pistekarttoja ja hasardeja“, julkaistu 22.02.2017, luettu 24.02.2017

Saara Varis, “Geokoodausta ja hasardikarttoja“, <https://blogs.helsinki.fi/saavaris/>, julkaistu 23.02.2017, luettu 24.02.2017

Bufferoinnin alkeet ja itsenäistä analyysiä

Tällä kurssikerralla opettelimme nopeasti bufferi-toiminnon käyttöä ja sen jälkeen pääsimme omin (ja Artun) avuin tehtävien kimppuun. Bufferointi on uusi, kätevä analyysin työkalu, jolla voi tutkia erityisesti aluekohteiden, kuten ostoskeskuksen, moottoritien tai koulun, vaikutuksia ympäristöönsä. Työkalulla voidaan määrittää halutun bufferin suuruus eli vaikutusalue tai vertailla erikokoisia buffereita keskenään. Ideana on tutkia nimenomaan puskurivyöhykkeen sisä- tai ulkopuolelle jäävää osuutta ja miten ne mahdollisesti eroavat toisistaan. Puskurivyöhykkeitä voisi hyödyntää selvittämään esimerkiksi kaivosten tai voimaloiden vaikutusalueita, erilaisia luonnonsuojelu vyöhykkeitä, joukkoliikenteen saavutettavuutta tai uusien toimintojen sijoittelun optimointia. Kaiken kaikkiaan työkalu on hyödyllinen ja monipuolinen, sekä melko yksinkertainen käyttää. Edellisiin oppimiimme analyysimenetelmiin bufferointi tuo aivan uusia ulottuvuuksia ja monipuolistaa tutkimusmahdollisuuksia.

Käytännön tehtäviä oli mukava päästä pohtimaan, vaikka jotkut tekniset seikat aiheuttivatkin aluksi päänvaivaa. Näppituntuman saavutettuani tehtävät sujuivat melko sutjakasti kunhan piti itsensä kärryillä mitä oli kulloinkin tekemässä. Query eli valintatyökalu on mielestäni yksi kätevimpiä, yksinkertaisimpia ja mukavimpia ominaisuuksia käyttää. Sen avulla voi rajata haluamansa joukon koko aineistosta, jotka täyttävät tietyt ehdot ja mukaan voi liittää useita muuttujia ja alueellisia rajauksia. Kaikki perus piirtotyökalut ja teemakartat ovat nopeita ja helppokäyttöisiä ja jo pelkästään niiden avulla voi saada paljon aikaan. Teemakartat ovat käteviä visualisoimaan ilmiöiden alueellista voimakkuutta ja esittämään tilastotietoa helpommin käsitettävässä muodossa. Piirtotyökaluilla voi korostaa ja merkitä kartalle haluamiensa kohteiden sijaintia ja tämä täydentää hyvin esimerkiksi teemakarttaa.  Sigma-toiminnolla esiin saatavat taulukot ovat myös hyviä tiedonlähteitä, josta voi tulkita haluamiaan lukuja.  Monimutkaisimmalta vaikuttaa useiden taulukoiden ja tietokantojen yhdisteleminen ja samanaikainen hyödyntäminen hieman sekavassa ikkunameressä. Vielä se vaatii täyden keskittymisen ja enemmänkin, sillä aina ei muista mille tasolle tuli tehtyä ja mitä. Tietokantojen hallintaan tottuu varmasti vain harjaannuttamalla taitojaan. Toinen ärsyttävä ominaisuus on Ctr+Z pikanäppäinkomennon puuttuminen. Tämä nostaa verenpainettani ja harmaannuttaa hiuksiani. Tanja Palomäki kuvaa blogissaan saman puutteen aiheuttavan hänellekin epävarmuutta ja peruuttamattomuuden tunteen, eikä sen takia uskalla kokeilla kaikkia toimintoja, sillä takaisin ei ole paluuta. 

Kurssikerran harjoituksia ja niihin saamiani vastauksia voi tutkiskella seuraavan linkin takaa: https://helsinkifi-my.sharepoint.com/personal/kosokoso_ad_helsinki_fi/_layouts/15/guestaccess.aspx?docid=1d5f5c6a9a224422798f60952bfce3f1e&authkey=AbqorbUh5vbyDOdApRjobGw

Tehtävien lisäksi tein kartan uima-altaiden sijoittumisesta pääkaupunkiseudulla, mutta tälläkertaa kartasta ei tullut mielestäni julkaisukelpoinen ja Unicafen ruokala huusi nimeäni liian kovaa, että olisin jäänyt viimeistelemään karttaa.

Lappalaisen Jouko tarjoaa uusimmassa blogipostauksessaan antoisaa pohdintaa siitä, miksi vastaukset näyttävät juuri siltä miltä näyttävät. Lappalainen toteaa asutuksen olevan harvaa lentokenttien lähistöllä johtuen meluhaitoista ja rakennusmääräyksistä (Maankäyttö ja rakennuslaki, 2016). Tässäkin yhteydessä bufferointia on varmasti käytetty hyödyksi ja luotu suojapuskurivyöhyke meluisimmille alueille. Ei siis ole sattumaa, että Helsinki-Vantaan lentokentän ympäristössä yli 65 dB melusta kärsii vain 31 asukasta. Pyry Lehtonen huomauttaa omassa kirjoituksessaan lentokoneiden muuttaneen nousu- ja laskeutumissuuntaan, jotta Tikkurila säästyisi suuremmilta meluhaitoilta. Asiaa on siis maantieteilijöiden ja muiden asiantuntijoiden toimesta kartoitettu ja sen perusteella tehty päätöksiä, jotka tähtäävät miellyttävämpään elinympäristöön.

Taitavalla MapInfon käyttäjällä on käsissään hyvät keinot ongelmanratkaisuun. Ohjelman rajoituksia on sinällään hieman hankala pohtia, sillä en tiedä minkälaisia työkaluja muut paikkatieto-ohjelmat tarjoavat samoihin tarkoituksiin. Heikkouksia varmasti löytyy itse ohjelmastakin, mutta kattavilla taidoilla pääsee varmasti pitkälle. Paljon riippuu pohja-aineistosta, sen tarkkuudesta, keräämisajankohdasta, luotettavuudesta ja laadusta. Laaja, ajantasainen ja tarpeeksi tarkka ja luotettava aineisto on ennakkoedellytys hyvään ongelmanratkaisuun. Totta kai vajavaisia tietokantoja voi täydentää muualta saatavilla tiedoilla, mutta niiden yhteensovittaminen ei aina ole mutkatonta. Kuntarajat tai tilastointitapa ovat voineet esimerkiksi muuttua, mikä haittaa aikasarjojen rakentamista.

Lähteet:

Tanja Palomäki: “5. Kurssikerta“, julkaistu 15.02.2017, luettu 20.02.2017

Jouko Lappalainen: “Osa 5 – “Älä Hinkki masennu – sä et sentään asu Vantaalla”“, julkaistu 17.02.2017, luettu 20.02.2017

Maankäyttö ja rakennuslaki, 2016 http://www.finlex.fi/fi/laki/ajantasa/1999/19990132, luettu 20.2.2017

Pyry Lehtonen: “Kurssikerta V Law and Order edition”, <https://blogs.helsinki.fi/lepylepy/2017/02/15/kurssikerta-v-law-and-order-edition/>, julkaistu 15.02.2017, luettu 20.02.2017

 

Ruututeemakartat

Ajatuksia ruututeemakartoista

Tällä viikolla aiheenamme ovat ruututeemakartat. Ruututeemakartalla voi kätevästi yleistää hyvinkin tarkkaa aineistoa helpommin tulkittavalle tasolle. Keskeistä on säätää ruutujen kokoa niin, että suurimmat klusterit erottuvat selkeästi, mutta kartta ei ole liian raskas tai epäselvä lukea. Liian pienellä ruutukoolla yleiskuvaa ja spatiaalista jakaumaa on vaikea hahmottaa, mikä saa kartan vaikuttamaan sekavalta. Ensimmäinen tuottamani ruututeemakartta 250×250 metrin ruuduilla oli tällainen, eikä se siis täyttänyt tehtäväänsä havainnollistajana. Liian suuri ruutukoko taas tekee kartasta jäykän pikselimäisen ja tarpeeksi tarkkaa tulkintaa on mahdotonta suorittaa.

Ruututeemakartoilla voi esittää absoluuttisia arvoja, toisin kuin tavallisilla koropleettikartoilla. Ruutukartan pohjana on korologinen matriisi eli ruutujen koko on aina vakio, minkä johdosta absoluuttiset arvot ovat aina suhteutettu samaan pinta-alaan. Koropleettikarttojen pohjan taas on useimmiten hallinnollinen aluejako. Alueiden ollessa eri kokoisia olisi harhaanjohtavaa esittää absoluuttisia arvoja, vaan mielekkäintä on käyttää prosentteja tai tiettyyn pinta-alaan suhteutettua mittayksikköä. Aina ruututeemakartallakaan ei ole mielekästä esittää absoluuttisia arvoja. Ruudusta osa voi olla vesistöä tai muuta asumattomaksi kelpaamatonta aluetta ja tämä voi vääristää kartan lopputulosta laskemalla ruudun absoluuttista arvoa, vaikka osassa ruudusta tutkittava ilmiö olisi hyvin voimakas.

Ruututeemakartan antama informaatio on suurpiirteisempää kuin pisteteemakartan. Pisteteemakartta on tarkempi ja todenmukaisempi, sillä siinä osoitetaan asian absoluuttinen sijainti. Koropleettikartalla arvot koskevat tiettyä valmiiksi rajattua hallinnollista aluetta ja hallinnollisen alueen rajojen pysyessä muuttumattomina voidaan mittaustuloksia verrata helposti aiempiin. Ruututeemakartalla taas ruutujako on mielivaltainen, eikä aikaisempia vertailukohteita ole. Ruututeemakartan pienin yksikkö on ruutu, jota tarkempaa informaatiota kartalta ei saa. Tämän takia ruututeemakartat voivat vaikuttaa kököiltä ja vähemmän visuaalisesti kauniilta esityksiltä kuin esimerkiksi koropleettikartat. Toisaalta, kuten Vilja Jokinen kirjoittaa blogissaan, ruututeemakartalta informaatiota saa pienemmistä yksiköistä, kun taas koropleettikartan tiedot koskevat koko kuntaa tai muuta hallinnollista aluetta. Ruututeemakartat ovat kuitenkin erittäin käyttökelpoinen rautalankamalli yleistykseen ja informaation muuttamiseen helpommin tulkittavaan muotoon. Ruudut eivät noudata hallinnollisia rajoja tai ekologisia alueita. Niiden sattumanvaraisuus toimii sekä eduksi että haitaksi.

Kuva 1. Asukastiheys pääkaupunkiseudulla 2013 ruututeemakartalla kuvattuna, lähde: Tilastokeskus

Tämänkertainen tuotos

Kurssikerta oli osaltani varsin produktiivinen; käärin hihat heti aamutuimaan ja rupesin hommiin. Sain aikaan yhteensä 4 ruututeemakarttaa, joista pari päätyi tänne esittelyyn. Toteutimme ensin mallikappaleen yhdessä 500×500 metrin ruutukoolla. Esitys oli havainnollistava, mutta vaikutti hieman turhan jäykältä makuuni. Päätin kokeilla seuraavaksi 250×250 metrin ruutuja, todetakseni että suurempi ruutukoko toimi huomattavasti paremmin. Palasin siis takaisin lähtöruutuun ja pyöräytin kartan pääkaupunkiseudun asukastiheydestä 2013 (kuva 1.) Valmista karttaa katsellessani totesin, että lopputulos on melko ennalta arvattava, epäkiinnostava, eikä edes visuaalisesti kaunis.

Toisen kartan tein pääkaupunkiseudun opiskelija-ikäisen väestön (18-24-vuotiaiden) jakautumisesta (kuva 2). Ennakko-oletuksenani oli nuorien keskittyminen halvoille asuinalueille kauemmas keskustasta ja kampusten läheisyyteen rakennettuihin opiskelija-asuntoihin. Yllätyksekseni suurin keskittymä nuoria osui keskustan kalliille asuinalueille, mutta verratessani karttaa koko pääkaupunkiseudun väestön jakautumiseen, tulos ei olekaan enää yllättävä. Keskustan alueella on luonnollisesti tiheimmin rakennuksia, intensiivisintä maankäyttöä sekä eniten ihmisiä ja samalla myös eniten nuoria. Nuorten prosentuaalisten osuuden esittäminen olisi tässä tapauksessa siis ollut järkevämpää kuin absoluuttisten arvojen. Nuorten klusteroitumista kampusten ympärille on vaikea havaita, sillä kampusten lähettyvillä asuu muutenkin paljon ihmisiä. Olisi relevanttia lisätä myös ammattikorkeakoulut kartalle, mutta niiden runsauden vuoksi se voisi heikentää kartan luettavuutta. Lisäksi on otettava huomioon, etteivät kaikki 18-24 vuotiaat ole opiskelijoita.

Karttojen visuaalisessa ilmeessä olisi parannettavan varaa. Asukasmäärää kuvaava punainen väri toimii paremmin kuin nuoria kuvaava sininen. Kartta saa ryhdikkäämmän ilmeen ja sitä on miellyttävämpi katsoa ja lukea. Asukastiheyttä kuvaavasta ruututeemakartasta puuttuvat otsikko, tietojen keräämisvuosi ja sijaintitieto esimerkiksi indeksikartta tai vähintäänkin maininta alueesta. Olisi myös hyvä nimetä suurimpia asutuskeskittymiä: Helsingin niemi, Kallio/Sörnäinen, Vuosaari, Matinkylä… Kaupunkien rajojen tuominen teemakarttatason eteen tai teematason säätäminen hieman läpinäkyväksi voisi myös mahdollisesti helpottaa kaupunginosien tunnistamista kartalta. Kumpikaan kartta ei saavuta täyttä potentiaaliaan, mutta tästä se kehitys lähtee. Seuraavista kartoista tulee jo varmasti entistä parempia.

Kuva 2. Ruututeemakartta pääkaupunkiseudun 18-24 -vuotiaiden sijoittumisesta. Helsingin yliopiston kampukset merkitty karttaan mustin symbolein. Asukastietojen lähde: Tilastokeskus (2013).

Lähteet:

Vilja Jokinen, “Kurssikerta 4: Ruututeemakartan luominen ja ulkomaiden kansalaiset pääkaupunkiseudulla”, <https://blogs.helsinki.fi/jokinenv/>, julkaistu 08.02.2017, luettu 08.02.2017

Tietokantojen käsittelyä

Kolmannella viikolla perehdyimme tietokantojen käsittelyyn. Nyt taidot on hallussa ja osaan yhdistellä tietokantoja toisiinsa, siivota niitä ja tuoda esimerkiksi tietoja Excelistä. Harjoittelimme muutamalla Afrikkaa kuvaavalla aineistolla ensin vähän eheyttämällä karttakuvaa ja myöhemmin liittämällä dataa toisista tietokannoista. Monia uusia toimintoja käyttäessä menee alkuun helposti sekaisin, mistä saikaan haluamansa toiminnon, mutta pohdinnan ja kokeilun jälkeen käyttö muuttuu sujuvammaksi ja uppoaa lopulta selkäytimeen.

 

Mitä voisi parhaimmillaan tehdä…

 

Käytössämme oli tietokantoja konflikteista, timanttikaivoksista ja öljykentistä alueella. Näillä tiedoilla voisi saada aikaan lukemattomia häikäisevän kauniita teemakarttoja ja vähemmän kauniita taulukoita. Vuosittain tilastoiduista konflikteista voisi esimerkiksi rakentaa videon asettamalla perättäin teemakarttoja joka vuoden tilastoista ja elävässä esityksessä kävisi hyvin ilmi, milloin missäkin päin on ollut eniten konflikteja ja onko trendi laskeva vai nouseva. Myös konfliktien alueellista jakaumaa voi tutkia aineiston avulla, kuten Saara Varis kuvaa blogikirjoituksessaan: “Konfliktien sijoittuminen kartalla paljastaa jo itsessään tietoa konfliktien alueellisesta klusteroitumisesta ja osoittaa alueet, joilla konflikteja on esiintynyt eniten. Kun sijaintitietoon lisätään tapahtumavuosi, voidaan päätellä konfliktin syitä ja on mahdollista yhdistää konflikti historiallisella aikajanalla suurempaan kontekstiin.” Konfliktin laajuuden mukaan voi skaalata merkkien koot kartalle ja tutkia esimerkiksi ovat konfliktien koot kasvaneet lähivuosina.

Yhdistelemällä tietokantoja voidaan tutkia, onko alueilla ollut konflikteja esimerkiksi timanttikaivosten tai öljykenttien löytämisvuoden ja avaamisvuoden välillä. Voisi kuvitella, että tieto hyödyntämättömistä arvokkaista luonnonvaroista saisi ihmiset ahneiksi, mikä lisäisi konfliktien määrää. Toisaalta konflikteja on voinut syntyä alueelle myös kaivosten tai öljykenttien seurauksena, mikäli ihmiset ovat olleet tyytymättömiä luonnonvaran tuottavuuteen (mukana aineistossa), työoloihin tai ympäristövaikutuksiin. Spatiaalis-kronologisella analyysillä näiden tietokantojen pohjalta voi selvittää, onko tällaisilla tekijöillä todellista yhteyttä. Havainnollistavan kuvan saa myös lisäämällä tiedot kartalle. Samankaltaisen videomaisen esityksen kuin konflikteista, voisi tehdä sekä öljykentistä että timanttikaivoksista luomalla vuodet järjestyksessä omille tasoilleen ja määrittämällä eriväriset symbolit esiintymän löytymiselle ja luonnonvaran käyttöönotolle ja skaalaamalla symbolien koon vielä esiintymien tuottavuuden mukaan. Lopuksi videota voi tarkastella esimerkiksi tekemällä kronologisen diaesityksen valmiista teemakartoista.

Internetin käyttäjien määrä on kasvanut Afrikassa räjähdysmäisesti. Yhdellä kartografisella esityksellä voisi kuvata koropleettikartalla nykyisten internetin käyttäjien määrää, prosentteina väkiluvusta. Mitä tummempi väri, sitä suurempi läpäisevyys. Samaan karttaan olisi mielenkiintoista laittaa kasvuprosentti, esimerkiksi vuodesta 2000. Tämän voisi toteuttaa pylväsdiagrammeilla, mutta kasvuprosenttien ollessa oletettavasti suuria, pylväiden korkeudet pitää skaalata huolellisesti etteivät ne peitä alla olevaa koropleettikarttaa. Lisäksi erityisesti Länsi-Afrikan rannikon pienien valtioiden kohdalla kartan luettavuus voisi kärsiä. On erityisen tärkeää ottaa huomioon että kaikki kartalla esitettävät luvut ovat suhteellisia (kuten prosentteja), sillä Afrikassa on hyvin eri kokoisia valtioita niin asukasluvultaan kuin pinta-alaltaan.

Kuva 1. Suomen tulvaindeksi kuvattuna koropleettikartalla ja järvisyys esitettynä pylväsdiagrammeilla.

Mitä oikeasti sain aikaan…

Kurssikerran varsinainen tuotos on kartta Suomen tulvaindeksistä ja järvisyydestä (Kuva 1). Kartan kelta-sini-vihreät värisävyt johdattelevat mielikuvat veteen liittyvään aihepiiriin, kuten Taiga Korpelainen osoittaa blogikirjoituksessaan “Osa 3 – Tietokantojen taikaa“. Valmista karttaa tutkiessani aihe ja perusidea hahmottuvat selvästi, mutta mittayksiköt jäävät epäselviksi. Suoralta kädeltä pystyy tulkitsemaan, että tulvaherkimmät alueet ovat vähäjärviset rannikot Pohjanmaalla ja Etelä-Suomessa. Lapissa tulvariski on myös kohtalainen, kun taas sisämaassa Etelä- ja Keski-Suomessa tulvat eivät ole uhka.

Pylväsdiagrammilla kuvattu järvisyys selittää hyvin vahvasti tulvariskiä ja siksi karttaa on helppo tulkita. Keski-Suomen valuma-alueilla on suuria järviä (Päijänne, Saimaa, Pielinen…), jotka pidättävät vettä ja tasaavat virtaamaa. Tällöin tulvariski ei pääse kasvamaan suureksi, vaikka virtaamassa olisikin paljon kausittaista vaihtelua. Sama ilmiö näkyy Lapissa; esimerkiksi Inarinjärven lähistöllä tulvariski on huomattavasti muuta Lappia vähäisempi. Yleisesti Lapissa tulvaindeksiä kasvattaa keväisin runsaan lumen sulaminen, varsinkin jos kevätsateet sattuvat samaan aikaan. Jääpatotulva voi syntyä, kun vielä sulamaton jää tukkii joen uoman ja estää vapaan virtauksen, milloin vesi tulvii yli äyräiden. Järvien vähyys lisää tulvariskiä. Suurimpien tulvariskien alueella järvisyys on ilmeisen alhainen. Virtaavaa vettä ei siis pääse varastoitumaan minnekkään, vaan se virtaa uomassaan kohti Itämerta, kunnes uoma käy liian ahtaaksi suurelle virtaamalle ja tulvii yli. Lumien sulaminen ja kevätsateet kasvattavat virtaamaa erityisesti. Lisäksi suurimman tulvariskin alueet ovat alavia maita, mikä tarkoittaa että tulvan sattuessa vesi leviää laajemmalle alueelle ja tulvan vaikutukset ovat siis suuremmat.

Muuttujien suhteen ja muiden selittävien tekijöiden pohtiminen on kohtuullisen helppoa, mutta muuttujien arvojen ymmärtämiseen tarvitaan hieman tiedonhakua. Tulvaindeksin lukuarvo, esimerkiksi sata, ei kerro minulle itsessään vielä mitään. Muistan laskeneeni tulvaindeksin jakamalla keskiylivirtaaman keskialivirtaamalla. Käytännössä tämä siis tarkoittaa suurimman virtaaman suhteuttamista pienimpään virtaamaan eli kuinka paljon virtaama vaihtelee kausittain. Loogista! Indeksin saama lukuarvo on siis tietenkin suhdeluku ja sillä selittyy aluksi minua hieman hämännyt yksikön puuttuminen. Järvisyysprosentti jää käsitteen tasolla niin ikään hieman hämäräksi. Voisin kuvitella sen tarkoittavan järvien pinta-alaa suhteutettuna kokonaispinta-alaan. Vahvistuksen tähän sain Tieteen termipankista: tarkemmin vielä valuma-alueen pinta-alaan. 20% järvisyys tarkoittaa siis viidenneksen valuma-alueen alasta olevan järviä. Tämä on suurimpia Suomessa esiintyviä järvisyysprosentteja. Nyt legendasta ilmenevät mittayksikötkin selkenevät pienen pohdinnan ja oikean päättelyketjun varmistamisen jälkeen.

Tulvaindeksi ja järvisyyskartta aukeni minulle pala palalta. Joitakin syitä ja seurauksia oli hyvin suoraviivaista lukea esityksestä (Kuva 1), mutta osaan piti hieman jumpata aivoja. Toivottavasti kaikki ei mennyt ihan metsään, tai vaikka järveen (Kuva 2)!

Kuva 2. Harmillisen rehevöitynyt järvi Nummi-Pusulassa, silti hyppääminen tänne mukavan saunan päätteeksi voisi piristää harmaata talvipäivää.

Lähteet:

 Saara Varis: “Kolmas kurssikerta ja MapInfon teknisiä ominaisuuksia”, <https://blogs.helsinki.fi/saavaris/2017/01/31/kolmas-kurssikerta-ja-mapinfon-teknisia-ominaisuuksia>, julkaistu 31.01.2017, luettu 07.02.2017

Taiga Korpelainen: “Osa 3 – Tietokantojen taikaa“,<https://blogs.helsinki.fi/ladjouko/>, julkaistu 07.02.2017, luettu 07.02.2017

Tieteen termipankki: <http://www.tieteentermipankki.fi/wiki/Ympäristötieteet:järvisyys>, luettu 1.02.2017