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

Leave a Reply

Your email address will not be published. Required fields are marked *