Geoinformatiikan menetelmät I

22/01/2019 – 11/03/2019

I  II  III  IV  V  VI  VII

Vko VII

Edellisen kerran tunnin lopulla pohjustettiin tämän kertaisen tunnin tehtävä. Opiskelijoilla tulisi olla seuraavaan kertaan mennessä mukanaan itse hankittua/etsittyä paikkatietodataa, mitä he työstäisivät tunnilla. Ohjeistuksena oli säästää runsaasti aikaa datan etsimiseen, sillä toisinaan materiaalia on tuhottoman paljon, ja joskus haluamaasi tietoa ei löydy mistään. Plussaa olisi myös, jos olisi jokin haju, mitä aihetta lähtisi tutkimaan. Viimeisellä kurssikerralla vain mielikuvitus on rajana, ja tuntuikin mukavan vapauttavalta saada työstää omaa työtään omassa tahdissa omilla taidoilla.

Opiskelijoille oli annettu vaihtoehtoja viimeisien karttaesitysten tekemiseen. Yhtenä vaihtoehtona oli esittää kartta/karttoja kahdella tai useammalla muuttujalla. Suosituksena pidettiin yhden alueen valitsemista (esim. valtio), joka taas jakautuu pienempiin alueisiin (esim. maakunnat). Alueita tulisi olla riittävästi, jotta esityksistä tulisi mielekkäitä. Toinen vaihtoehto oli käyttää maastotietokantaa, johon opiskelija liittäisi korkeusmallit haluamallaan tavalla (rinnevarjostus, korkeuskäyrät, yms.). Tehtävänannossa kehotettiin myös panostamaan visuaaliseen esitykseen, mikä toisi esitettävät elementit mahdollisimman edustavasti esille.

Tarkoituksena olisi siis hyödyntää opittuja taitoja QGIS:in parissa ja tehdä omia taitoja vastaava ”lopputyö”. Viimeiset kerrat ovat omalla kohdalla menneet mukavasti ja olen mielestäni saavuttanut onnistumisia tehtävien parissa, joten en sen enempää stressannut viimeistä tehtävää. Hah.

Vaikeudet alkoivat materiaalin etsimisestä. Ensinnäkin olin inspiraation kannalta lukossa, enkä tiennyt mitä lähtisin työstämään. Kun lopulta sain etsittyä ja ladattua Yhdysvaltojen kartan shapefile:n, aloin pohtimaan, mitä muuttujaa voisin sieltä esittää. Aioin tehdä koropleettikartan Yhdysvaltojen lukutaidosta/-taidottomuudesta osavaltioittain.

Vastaan ei tullut ainuttakaan tietokantaa. Monta otsikkoa löytyi, joissa mainittiin education (suom. koulutus), mutta tiedostot eivät olleet kelvollisia tai ajaneet tarkoitusperääni. Löysin yhden luettelon, missä osavaltioittain oli merkitty prosentein lukiosta valmistuneet, kandidaatin tutkinnon hankkineet sekä siitä ylempiarvoisia tutkintoja (maisteri, tohtori, yms.). Sain luettelon muutettua Excelissä .csv-tiedostoksi ja aukeamaan QGIS:ssä. Sain karttaesityksen tehtyä, mutta en ollut siihen ollenkaan tyytyväinen. Ensinnäkin, karttaa oli epämiellyttävää tulkita, toisekseen, tuottamani kartta oli mielestäni liian alkeellinen. Koin, että taitoni riittäisi haasteellisempaankin esitykseen. Hah.

Siitä varsinainen alamäki oikeastaan alkoi. Turhautuminen, tietokantojen olemattomuus, kärsivällisyyden loppuminen sekä lopputöiden kasaaman stressin lisääntyminen ajoivat minut henkiseen umpikujaan. Lehtonen kertoi artikkelissaan löytäneensä tarvitsemansa materiaalit Italian syntyvyyden, kuolleisuuden, sekä väestönkasvun kuvaamiseen ongelmitta (Lehtonen, 2019). Oli muutenkin mukava nähdä, kuinka kanssaopiskelijat ovat löytäneet hyvin mielenkiintoista tietokantaa karttaesityksiinsä, ja henkilökohtainen kehitys näkyykin monien blogeissa. Väistämättä tunsin kateutta ja ensimmäistä kertaa kurssin parissa koin suorituspaineita. Kurssin ideologiaan kuuluu muiden töiden ja kirjoitusten seuraaminen oppimisen keinona sekä motivaattorina. Mielestäni se on erittäin tehokas tapa oppia ja kehittyä, mutta kyseisenä hetkenä koin vain suurta ahdistusta. Kyseenalaistin omat kykyni ja sen, olinko loppujen lopuksi oppinut edellisistä kurssikerroista yhtään mitään.

Perjantai koitti, ja olin väsynyt, stressaantunut ja pettynyt itseeni. Olin löytänyt rasteritietokantaa maailman keskiarvoisesta lämpötilasta ja sadannasta vuosina 1970-2000, mitä ajattelin työstää ja hylkäsin Yhdysvaltojen karttaesityksen. Minulla ei kuitenkaan ollut harmaintakaan aavistusta, mitä voisin lämpötila- sekä sadantakartoilla esittää, muuta kuin mitä ne jo esittivät. Ohjeistuksen vastaisesti en käyttänyt tarpeeksi aikaa aineiston ja pohjatyön valmistelemiseen, ja sain maksaa kalliin hinnan siitä.

Lämpötila- sekä sadantakartat olivat maailmankarttoja, johon oli merkitty interpoloinnin avulla arvot pienimmästä suurimpaan värialueina. Käytössäni minulla oli jokaiselta kuukaudelta yksi karttaesitys (12 kpl). Pohdin, miten saisin hyödynnettyä kaikkia näitä karttoja ja esitettyä sadannan ja lämpötilojen muutoksia. Ajattelin kokeilla kepillä jäätä ja koostaa kartoista pienen videon, missä muutokset näkyisivät kaikkein parhaiten. Videon tahti olisi kuitenkin niin nopea, etten viitsisi laittaa niihin legendaa kuvastamaan muuttuvia arvoja, sillä a) tietoja ei ehtisi lukea, ja b) esityksestä tulisi sekava. Siispä teetin arvoja selittävät kartat arviolta kylmimmän ja kuumimman kuukauden osalta.

Video 1. Lämpötilavaihtelut kuukausittain.

Myöhemmin mietin, mitä voisin lisätä tähän. Aloin etsiä tietokantaa maailman metsäpaloista. Löysin sattumalta tietokannan Great Basinin metsäpaloista vuodesta 1970 lähtien, mikä sopi minulle kuin nakutettu. Palasin siis Yhdysvaltain karttaan ja lähdin työstämään esitystä.

Ja lisätään tarkasteluun vielä samaiselta ajalta sadannan vaikutukset eri puolilla maailmaa:

Video 2. Sadannan vaihtelut kuukausittain.

Great Basin (ennen suom. Iso allas) on alue Yhdysvalloissa, joka sijaitsee Kalliovuorten ja Sierra Nevadan vedenjakajien välissä. Great Basin on pääosin ylätasankoa, joka on pääosaksi pensasaroa ja aavikkoa. Pinta-alaltaan se on noin 540 000 km² (kuvat 5 ja 6). Alueella on pääosin erittäin kuuma kesä ja hyvin kylmä talvi (Wikipedia, 2018), mitä voit yrittää tarkastella videosta 1.

Kuvissa 3 ja 4 on eriteltynä vuodet 1970-1989 sekä 1990-2000. Kuvassa 4 on nähtävissä hieman metsäpalojen lisääntymistä, sekä laajenemista, mitä voi yrittää yhdistää muuttuviin ilmasto-oloihin, ja vertailla alueen sadantaa videolta 2. Yhteensä 6 348 attribuuttitietoihin merkitystä metsäpalosta 41 on merkitty tapahtuneeksi vuonna 1970 (0,6%), kun taas vuonna 2000 niitä oli 495 (7,8%). Mielenkiintoista oli, kuinka metsäpalojen määrät Great Basinissa pysyttelivät alle sadan koko 70-luvun, mutta siirryttäessä 80-luvulle, palojen määrät siirtyivät vaihtelemaan 100-200 välille. 90-luvulla palojen määrät heilahtelivat enimmäkseen 200-300 palon välillä.

Jo vuonna 2006 Yle uutisoi Yhdysvaltojen lisääntyvistä metsäpaloista varsinkin maan länsiosassa. Silloin tilastoitiin koko maassa syttyneen 89 000 metsäpaloa 3,8 miljoonan hehtaarin alueella. Vuonna 2018 metsäpaloja syttyi Yhdysvalloissa vastaavasti 55 911, mutta suuren mediahuomion sai varsinkin Kalifornian massiiviset maastopalot, jotka alkoivat vuoden 2018 kesällä poikkeuksellisen aikaisin. Kuivuus oli edistänyt palon kiihtymistä kuolleiden ja kuivien kasvillisuuksien myötä. Marraskuussa tapahtunut, noin 61 hehtaarin laajuinen maastopalo, joka syttyi leiritulen aiheuttamana koitui 85 hengen kuolemaksi (CalFire, 2018), mikä tekee siitä yksittäisenä palona suurimman kuolemia tuotanneeksi paloksi Kalifornian historiassa.

Ilmastonmuutoksesta johtuva lämpötilan kohoaminen ei ole tasaista maapallon eri puolilla eikä eri vuodenaikoina. Pohjois-Euroopan talvien odotetaan lämpenevän 2060-luvulle mentäessä 2-7 astetta, sekä vielä harvinaiset helleaallot (kuten viime kesä täällä Suomessa) tulevat yleistymään Euroopassa. Suurimpia ongelmia yhteiskunnan ja ympäristön sopeutumiseen muuttuviin ilmasto-oloihin on sateiden esiintymisen toisinaan radikaali muuttuminen. Keskimäärin sademäärät maapallolla tulevat kasvamaan, mutta varsinkin Afrikkaa ja Aasiaa uhkaavat entistä pahempi vesipula kuivien kausien ja toisaalta lisääntyvien, veden laatua huonontavien tulvien myötä. Kaikkialla ilmastonmuutoksen odotetaan myös lisäävän sään ja ilmaston ääri-ilmiöiden esiintymistä ja niiden voimakkuutta.

Merivedet sitovat hiilidioksidipäästöjen myötä enemmän lämpöä, kuin on aikaisemmin luultu. Vasta vuonna 2007 on alettu keräämään luotettavaa tietoa merivesien keräämästä lämmöstä, joten tieto on ollut pitkään puutteellista. Kauan on kuitenkin jo tiedetty, että merivedet imevät suurimman osan lämmöstä, joka ei vapaudu avaruuteen kasvihuoneilmiön vuoksi. Uusien ja terkkojen tutkimustapojen myötä tutkijat ovat todenneet, että maapallo on lämmennyt enemmän, kuin mitä oltiin luultu. Tämä tarkoitta sitä, että ilmaston lämpenemisen estämiseen on yhä vähemmän aikaa, sekä se käy yhä vaikeammaksi. Meret kykenevät sitomaan lämpöä vain tietyn määrän, ja kun se täyttyy, ylimääräinen lämpö jää ilmakehään (Kokkonen, Yle, 2018). Kuvassa 8 näkyy 3.3.2019 mitattu merivesien pintalämpötilat.

Merivesien lämpötilat sekä liikesuunnat vaikuttavat sadantaan. Ilmastonmuutos vaikuttaa molempiin seikkoihin, ja esimerkiksi Golf-virran tuoman lämpimän virtauksen AMOCin (Atlantic Meridional Overturning Circulation) kerrotaan heikenneen jo 15% sitten vuodesta 1950 (Carrington, The Guardian, 2018). Jos Golf-virta pysähtyy, hidastuu, tai vaihtaa suuntaa, olot Euroopassa muuttuvat merkittävästi.

Ilmasto-olosuhteet siis ovat muuttuneet ja muuttuvat yhä edelleen. Tämän tyyppinen ilmastonmuutos-blogiteksti ei ollut ensimmäisenä mielessäni, kun lähdin viimeistä kurssikertaa pohtimaan, mutta toivottavasti joku löytää tämän informatiivisena ja karttaesityksistä jotain korreloitavaa keskenään.

Loppupeleissä olen lopputuloksiini melko tyytyväinen, ja toivon, että ne vastaavat edes jollain tavalla tehtävänantoa. Epäilen edelleen taitojani QGIS:in kanssa, mutta iso kiitos heille, jotka kysyivät apuani mistä tahansa aiheeseen liittyvästä. Vaikka omat tehtävät olisivatkin menneet päin metsää, olen iloinen, että olen voinut auttaa muita. Koen oppineeni paljon lisää käytännön työstä paikkatietojen parissa: sen keruusta, sen analysoimisesta, sen esittämisestä, attribuuttitaulujen tulkinnasta ja eri muuttujien hyödyntämisestä, yhdistämisestä sekä visualisoimisesta. Kokonaisuudessaan kurssi on ollut hyvin mielekäs. Se on vaatinut paljon aikaa ja työtä, mutta yksikään hetki ei ole tuntunut hukkaan heitetyltä.

Päällimmäinen ajatus koko kurssista on uusi herännyt mielenkiinto. Koko kurssi oli vasta pintaraapaisu, mitä paikkatieto-ohjelmilla voidaan saada aikaan, ja mitä tietokantoja maailmalla on tarjota paikkatiedon esitystarpeisiin. Myös erilaiset paikkatiedon keruutavat kiinnostavat. Jäänkin odottamaan innolla seuraavia kursseja geoinformatiikan parissa.

 

 

Lähteet:

Wikipedia, the free enclyclopedia (2018). Great Basin. Lainattu 4.3.2019, saatavilla: https://fi.wikipedia.org/wiki/Great_Basin

Insurance Information Institute (2019). Facts + Statistics: Wildfires. Lainattu 6.3.2019, saatavilla: https://www.iii.org/fact-statistic/facts-statistics-wildfires

YLE, Associated Press (2006). Ilmastonmuutos voi lisätä metsäpaloja. Lainattu 6.3.2019, saatavilla: https://yle.fi/uutiset/3-5754251

Wikipedia, the free enclyclopedia (2018). Kalifornian maastopalot 2018. Lainattu 6.3.2019, saatavilla: https://fi.wikipedia.org/wiki/Kalifornian_maastopalot_2018

Lehtonen, I. (2019). Blogi 7 – Populazione d’Italia. Lainattu 6.3.2019, saatavilla: https://blogs.helsinki.fi/lida/blogi-7-populazione-ditalia/

Ilmatieteen laitos. Millainen maapallon ilmasto on 50 vuoden päästä? Lainattu 7.3.2019, saatavilla: https://ilmatieteenlaitos.fi/ilmastonmuutoskysymyksia#8

Kokkonen, Y. (2018). Uusi tutkimus paljastaa: Valtameriin on kertynyt paljon enemmän lämpöä kuin aiemmin on tiedetty – Maapallon lämpeneminen on selvästi luultua pidemmällä. Lainattu 7.3.2019, saatavilla: https://yle.fi/uutiset/3-10486677

Carrington, D. (2018). Avoid Gulf stream disruption at all costs, scientists warn. Lainattu 7.3.2019, saatavilla: https://www.theguardian.com/environment/2018/apr/13/avoid-at-all-costs-gulf-streams-record-weakening-prompts-warnings-global-warming

 

Tietokantalähteet:

WorldClim – Global Climate Data. Free climate data for ecological modelling and GIS. WorldClim Version2 (2016), saatavilla: http://worldclim.org/version2

GIS Resources, A Knowledge Archive…. Free GIS Data – Weather and Climate Data (2014), saatavilla: http://www.gisresources.com/weather-climate/

USGS, sience for a changing world. Combined wildfire dataset for the United States and certain territories, 1870-2015 (2017), saatavilla: https://www.sciencebase.gov/catalog/item/59667039e4b0d1f9f05cf2ff

United States Census Bureau. TIGER Products (2018), saatavilla: https://www.census.gov/geo/maps-data/data/tiger.html

National Weather Service, Climate Prediction Center. Global Sea Surface Temperatures, Weekly Update (2019), saatavilla: https://www.cpc.ncep.noaa.gov/products/GIS/GIS_DATA/sst_oiv2/index.php

Vko VI

Toiseksi viimeisen kurssikerran alussa kerrattiin lyhyesti paikkatiedon keruun historiaa (esimerkiksi John Snow ja koleraepidemian lähteen paikantaminen Lontoossa 1854), sekä käytiin läpi hieman tanskalaisen arkkitehti Jan Gehlin sääntöjä toimivaan ja käytännölliseen kaupunkisuunnitteluun. Gehlin mielestä autoilua ei pitäisi missään nimessä priorisoida, eikä rakennuksia rakentaa mukaillen yksityisautoilua. Sen sijaan julkisten tilojen ja liikenteen tulisi palvella jokaista ihmisryhmää, ja tiloista tulisi suunnitella moniaistillisia ja kokemuksia herättäviä.

Lyhyenä pidetty luento-osuus oli alustus tunnin ensimmäiselle tehtävälle: lähteä ulos keräämään omakätisesti paikkatietoa. Käytimme datan keräämiseen Epicollect5-nimistä paikkatietosovellusta (https://five.epicollect.net/), joka oli ilmaiseksi ladattavissa älypuhelimiin puhelimen käyttöjärjestelmän kauppapaikasta (AppStore, Google Play). Tehtävänä oli arvioida valitsemansa paikan viihtyvyyttä ja turvallisuutta. Sovellus tallensi valitseman paikan koordinaatit ja opiskelija vastasi kysymyksiin asteikolla 1-5, kuinka henkilökohtaisesti alueen kokee (1 = erittäin epäviihtyisä/turvaton, 5 = erittäin viihtyisä/turvallinen). Lisäksi oli mahdollista liittää tallennetusta paikkatiedosta kuva tietokantaan. Sovellus oli helppokäyttöinen ja selkeä. Sää oli mitä mainioin, ainakin auringonpaisteen puolesta. Lämpötila sekä pukeutuminen olivat sen sijaan jääneet miinuksen puolelle, jolloin lenkkimme ei Kumpulan mäeltä kauemmas johtanut kuin Kustaa Vaasan tien itäiselle puolelle ja takaisin.

Kokosimme kurssilaisten tallentamat paikkatiedot yhdeksi .xlsx-tiedostoksi, mikä muutettiin taas .csv-tiedostoksi, jotta sen pystyisi tuomaan QGIS-ohjelmaan. Valmiina meillä oli käytössä Helsingin kantakaupungin tiestö sekä kartta kaikista rakennuksista. Lisäsimme keräämämme paikkatiedot valmiisiin vektoritiedostoihin Epicollect5-sovelluksen tallentamien koordinaattien avulla.

Kuvasta 1. nähdään tallennetut pisteet alueista, jotka opiskelijat kokivat turvallisiksi tai turvattomiksi (jokin meni kuitenkin vikaan, sillä tallennettuja pisteitä oli 79 kappaletta, mutta itse sain tuotua QGIS:iin vain 23. Tämä ei kuitenkaan haitannut harjoituksen etenemistä). Kuvassa 1. on myös jo tehty seuraava askel harjoituksessa, mikä toimi myös tämän kurssikerran uutena opittavana työkaluna: interpolointi.

Interpolointi eli interpolaatio on numeerisessa matematiikassa käytettävä menetelmä, jossa lasketaan uusia arvoja tunnettujen arvojen väliin jollakin menetelmällä. Tyypillisessä tilanteessa tarkasteltavat ilmiöt (tässä tapauksessa opiskelijoiden keräämät paikkatietodatat) toimivat tilastollisena otoksena, jotka edustavat tutkittavan ilmiön kuvaavan funktion arvoja. Saaduista arvoista interpoloidaan funktion arvo halutussa kohdassa, joka jää muuttujien tunnettujen arvojen väliin (tässä tehtävässä turvallisuusarvot 1-5). Lyhyesti, interpolointi mahdollistaa eri tapoja estimoida funktion arvoja tunnettujen pisteiden välistä (Hemmo-Iivonen, Lappi, Salonen 2011).

Kuvasta 1. voi havaita, että yksikään opiskelija ei antanut millekään sijainnille arvoksi 1. Toiseksi alhaisinta arvoa, eli melko turvattomaksi alueeksi koettiin Arabian kauppakeskuksen koillispääty. Pisteen kohdalla sijaitsee Staran konepaja (Toukolankatu 6), joka ei ainakaan Google Map:in Street View työkalulla katsottuna näytä kovinkaan viihtyisältä (huom. alue on kuvattu vuonna 2013, nyt alue voi olla erilainen). Opiskelijat (ainakin omassa karttaesityksessäni, missä on vajaasti dataa) eivät ehtineet vierailla kovinkaan kaukana, vaan pysyttelivät kohtuullisen lähellä Kumpulan kampusta. Tuovisen tuottamassa karttaesityksessä (kuva 1) opiskelijat ovat uskaltautuneet jo hieman kauemmas kampukselta ja kokeneet turvattomiksi alueiksi varsinkin isojen autoteiden läheiset alueet (Kustaa Vaasan tie, Mäkelänkatu). Kuten Tuovinen artikkelissaan toteaa, käyttämällä interpolointia alueen yleistä turvattomuuden/turvallisuuden kokemuksia on helpompi havaita ja analysoida, kuin tihrustaa pieniä pisteitä.

Loppuajan tunnista tekisimme kukin omia hasardikarttaesityksiä, jonka ainoana ohjeistuksena oli oikeastaan vain tuottaa esitys, jota voisi käyttää opetuksellisessa tilanteessa. Materiaaleina meillä oli käytettävissä maailmankartta sekä valtioiden rajat. Hasardit, joista saimme valita haluamamme tietokannat, olivat maanjäristykset, tulivuoret ja meteoriitit (tietokannat tuli kuitenkin hakea itse, mitä taitoa tulisimme tarvitsemaan viimeisellä kurssikerralla). Omissa kartoissani käytin dataa maanjäristyksistä sekä tulivuorista.

Kuvassa 2 on merkittynä vuoden 2018 maanjäristykset 5:stä magnitudista ylöspäin. 8-10 magnitudin järistyksiä ei viime vuonna tapahtunut tietokannan mukaan lainkaan. Isoimmat järistykset tapahtuivat Filippiineillä, Papua-Uusi-Guineassa sekä Alaskassa. Tästä linkistä pääset tutustumaan yksityiskohtaisemmin yksittäisiin järistyksiin.

Kuvaan 3 on merkitty maailman korkeimmat tulivuoret 6 000 metristä lähtien. Kaikki 20 tulivuorta löytyvät Etelä-Amerikan länsirannikolta, Andien vuoristosta. Andit ovat nuori poimuvuoristo (muodostuminen alkanut noin 130 miljoonaa vuotta sitten), joka ulottuu aina Pohjois-Amerikasta (Kalliovuoret) aina Kap Horniin asti, tehden vuorijonosta noin 7 500 kilometriä pitkän. Vuoristo kohoaa edelleen, mutta pehmeän kivilajin takia eroosio kuluttaa vuoriston huippuja tehokkaasti, mikä takaa sen, ettei vuoristo enää kasva korkeutta. Atlantin keskiselänteen työntäessä  Etelä-Amerikan laattaa kohti länttä ja Nazca-laatan työntyessä mereisenä eli painavampana laattana Etelä-Amerikan laatan alle itään päin, Etelä-Amerikan laatta kevyempänä rutistuu ja poimuttuu Nazca-laatan kohdistamassa paineessa (subduktiovyöhyke).
Andit kuuluvat myös Tyynen valtameren tulirenkaaksi-nimettyyn ketjuun, mikä tarkoittaa voimakasta aktiivista vulkaanista ja tektonista toimintaa. Andien ja koko maailman korkein tulivuori Ojos del Salado sijaitsee Chilen ja Argentiinan rajalla. Se on 6 900 metriä korkea kerrostulivuori, ja sen tiedetään purkautuneen viimeksi 1 000 – 1 500 vuotta sitten.

Kuvassa 4 taas on esitettynä maailman vedenalaiset tulivuoret. Tietokannassa ne olivat merkittyinä negatiivisina arvoina. Vedenalaisista tulivuorista puhutaan sangen harvoin, varmaankin siitä syystä, ettei niiden aktiivisuus vaikuta läheskään yhtä paljon arkielämään, toisin kuin maanpäällisten tulivuorten. Vedenalaiset tulivuoret harvemmin osoittavat katastrofaalista aktiivisuutta, mutta esim. vuonna 2009 MTV3 uutisoi Tongan saarilla purkautuneesta vedenalaisesta tulivuoresta. Tulivuori syöksi tuhkaa ja laavaa satojen metrien korkeuteen, muttei vaatinut henkilövahinkoja. Vuonna 2002 purkaus synnytti Tongaan uuden saaren. Useat vedenalaiset tulivuoret ovat sijoittuneet tektonisille alueille, esim. Atlantin keskiselänteelle ja Tyynenmeren tulirenkaan ympärille. Korkeimmat tulivuoret löytyvätkin kyseisiltä alueilta. Vedenalaisten tulivuorten purkauksien katastrofaalisia seurauksia on esitetty esimekiksi animaatiosarjassa Muumilaakson tarinoita (Tanoshii Mūmin Ikka, ohj. Saitô, H., Ratia-Kähönen, J., Telecable Benelux, 1990-1992) jaksossa Laineilla lipuva teatteri (jakso katsottavissa vielä 12 päivää mtv.fi:ssä), missä vedenalainen tulivuori purkautuu aiheuttaen maanjäristyksen sekä vedenpinnan nousun peittäen Muumilaakson veden alle (perustuu Tove Janssonin romaaniin Farlig midsommar, 1954).

Karttojen teko oli suhteellisen haastavaa – ei itse tekniseltä toteutukselta, mutta luettavuuden kannalta. Olisin halunnut hyödyntää juuri opittua interpolointia karttojen teossa, kuten esimerkiksi Huhtinen on hyödyntänyt taidokkaasti artikkelissaan Viikko 6 – auringonpaistetta ja onnistumisen tunteita (2019). En kuitenkaan onnistunut saavuttamaan haluamiani esityksiä toimimaan interpoloinnin kanssa, joten ”tyydyin” piste-esityksiin. Onneksi Kautonen esitteli Google Mapsin oivallisen työkalun maanjäristysten esittämiseen toisellakin tavalla (kuva 2), mitä hän on myös itse hyödyntänyt täydentämään karttaesityksiään.

Artikkelia muokattu 1.3., otsikkoa sekä URL-linkkiä muutettu.

 

 

Lähteet:

Tuovinen, I. (2019). Viikko 6 – Itse tuotettua paikkatietoa. Lainattu 26.2.2019, saatavilla: https://blogs.helsinki.fi/tuoilona/2019/02/25/viikko-6/

Wikipedia, the free encyclopedia (2019). Ojos del Salado. Lainattu 1.3.2019, saatavilla: https://en.wikipedia.org/wiki/Ojos_del_Salado

Huhtinen, E. (2019). Viikko 6 – auringonpaistetta ja onnistumisen tunteita. Lainattu 1.3.2019, saatavilla: https://blogs.helsinki.fi/huhelina/2019/02/22/viikko-6-auringonpaistetta-ja-onnistumisen-tunteita/

Kautonen, K. (2019), Viikko 6. Hasardit. Lainattu 1.3.2019, saatavilla: https://blogs.helsinki.fi/kautkia/2019/02/25/viikko-6-hasardit/

MTV3 (2009). Vedenalainen tulivuori purkautuu – katso kuvat. Lainattu 1.3.2019, saatavilla: https://www.mtvuutiset.fi/artikkeli/vedenalainen-tulivuori-purkautuu-katso-hurjat-kuvat/2172294#gs.bR50dOSK

Hemmo-Iivonen, K., Lappi, E., Salonen, C. (2011). Pyramidi 12, lukion pitkä matematiikka – Numeerisia ja algebrallisia menetelmiä (s. 79-95), Sanoma Pro, Helsinki. Lainattu 26.2.2019.

Paarlahti, A. (2019). Luento Helsingin yliopistossa 21.2.2019.

 

Tietokantalähteet:

USGS, science for a changing world. Earthquake Hazard Program, saatavilla: https://earthquake.usgs.gov/earthquakes/search/

Data.gov. Global Volcano Locations Database, Global Volcano Locations Search, saatavilla: https://catalog.data.gov/dataset/global-volcano-locations-database

Vko V

Viidennen kurssikerran oppimistavoitteisiin kirjattiin mm. bufferointitoiminnon (eli puskuroinnin) hyötykäyttö etäisyyksien ja lukumäärien laskemisessa, lyhyimmän etäisyyden määrittäminen, sekä laskemista kohteiden avulla. Aloitimme tunnin kuitenkin edellisen kurssikerran tehtävällä, eli Pornaisten karttatehtävällä, jonka jätimme kesken. Edellisellä kerralla ehdimme digitoida rajatun alueen päätiet sekä asuintalot. Laskimme teiden pituudet Sum line lengths-työkalulla (suom. laske yhteen viivojen pituus), jonka lopputuloksena syntyi uusi tietokanta, jossa ilmoitetaan viivojen (teiden) lukumäärä sekä yhteenlaskettu pituus metreinä.
Seuraavaksi harjoittelimme, miten saada tietoa tietyn vyöhykkeen sisälle jääneistä pisteistä. Tehtävänä oli selvittää, kuinka monta asuintaloa sijaitsisi 100 metrin päästä kuudesta digitoidusta tiestä. Käyttäisimme työkalua, joka määrittäisi kaikille kohteille (eli teille) saman arvon: Fixed Distance Buffer (suom. kohdistettu etäsiyyspuskurointi). Puskurivyöhykkeen sisälle jääneiden valittujen kohteiden (asuintalot) tietoja voidaan tarkistella Spatial Query:lla (suom. spatiaalinen kysely) ja analysoida saatuja tuloksia.

Edellä mainittuja työvaiheita sekä edellisillä kurssikerroilla opittuja taitoja tulisimme tarvitsemaan seuraavissa itsenäisissä tehtävissä. Tehtävien tekoon ryhtyminen tuntui aluksi haastavalta, mutta toistoa tehtävissä tuli riittävästi, jolloin työvaiheet jäävät paremmin lihasmuistiin. Tämän kertainen kurssikerta olikin kaikista kerroista paras, sillä vaikka opetus on tärkeää ja ensimmäiset askeleet on jonkun ensin demonstroitava, jotta voi taidon omaksua, on jokaisen kuitenkin itse omilla voimilla opittava kävelemään. Viides kurssikerta oli oikeastaan ensimmäinen kerta, kun sai itse selviytyä tehtävistä omilla taidoilla ja ongelmanratkaisukyvyillä. Tunti oli antoisa, tehtävät sopivan haasteellisia ja oppimismetodi ideaalinen – tuntui, että kerrankin jotain tuli aidosti opittua.

Teimme aluksi kaksi itsenäistehtävää. Ensimmäinen tehtävä keskittyi Helsinki-Vantaan ja Malmin lentokentän meluvallivyöhykkeiden vaikutusalueiden laskemiseen (taulukot 1 ja 2), sekä alueen asukkaiden sijainnin analyysia suhteessa alueen asemiin (taulukko 3). Toisessa tehtävässä tarkasteltiin taajamien vaikutusalueita (taulukko 4). Tehtävien varsinaisena tarkoituksena ei ollut tuottaa karttaesitystä, vaan vastata kysymyksiin tilastollisilla (numeerisilla) vastauksilla, jotka saatiin toimitettua ensimmäisen harjoituksen vastaavilla työvaiheilla. Huom. prosenttiluvut ovat pyöristettyjä seuraavaan kokonaislukuun.

 

Taulukko 1. Malmin ja Helsinki-Vantaan lentokenttien puskurivyöhyketehtävien vastauksia.

Malmin lentokenttä
Säde		Asukkaat
2 km		56 366
1 km		8 642

Helsinki-Vantaan lentokenttä
Säde		Asukkaat		65dB vaikutusalueella			55dB vaikutusalueella
2 km		10 127		0,20 %			11 913

 

Taulukko 2. Helsinki-Vantaalle laskeuduttiin tilapäisesti kaakon suunnasta vuonna 2002 kolmannen kiitoradan rakennustöiden vuoksi.

Laskeutumissuunnan vaihtaminen vuoden 2002 mukaiseen tilanteeseen
Vaikutuksen alaisia asukkaita melualueella (väh. 60dB), (kpl)					~28 300

 

Taulukko 3. Tilastoja asukkaiden määristä, keiden asuinsijainti alle 500 metrin päästä julkisen liikenteen asemasta.

Asemat
Alle 500m päässä lähimmästä asemasta asuvat (kpl)						106 465
Kaikista asukkaista alle 500m päästä asemasta (%)						22 %
Työikäisten määrä (15-64v) 106 465:stä (%)						69 %

 

Taulukko 4. Lukuja taajamissa asuvista. 

Taajamat
Taajamissa asuvat asukkaat (%)						98 %
Kouluikäiset (7-16v), jotka asuvat taajamien ulkopuolella (kpl)						1 404
Kaikista alueen kouluikäisistä (%)						3 %

 

Tulokset vaihtelevat jokaisella kurssilaisella, johtuen esimerkiksi lentokenttien kiitoratojen digitoinnista. Jokainen on manuaalisesti digitoinut oman viivan, joten se on väistämättä jokaisella erilainen. Tulosten tulisi kuitenkin suurin piirtein olla saman arvoisia, jos on toteuttanut tehtävän oikein ja laskenut oikeita muuttujia. Itse ensimmäisellä kerralla katsoin Spatial Query-taulukosta aivan väärää saraketta (count, eli määrä, vaikka olisi pitänyt seurata saraketta sum, summa), jolloin saamani tulokset olivat aivan puuta heinää. Onneksi tajusin mokan ennen kuin olin ehtinyt tehdä kaikki tehtävät.

Asuminen lähellä lentokenttiä voi aiheuttaa ihmisille monenlaisia terveysongelmia. Salmi mainitsee artikkelissaan Osa 5: Bufferointia ja melusaastetta (2019) mm. lisääntyvän elimistön stressin sekä heikentyvän unen laadun. Vantaan Sanomat uutisoi, kuinka 50 prosenttia yölennoista laskeutuu kiitoradalle kaksi, näin ollen häiriten mahdollisimman vähän nukkuvia ihmisiä – varsinkin Tikkurilassa (Hovi-Horkan, 2014). Melu on silti väistämätöntä, ja Vantaalle muuttaessa tämä kannattaa ottaa huomioon. Ihmiset kuitenkin reagoivat meluun eri tavalla ja useat tuttuni, jotka asuvat lentokenttien läheisyydessä, kertovat etteivät enää edes huomaa lentokoneiden aiheuttamaa melua.

Kotiläksyksi saimme kolmesta tehtävästä valita mieluisimman (tai vaikka kaikki). Lähdin työstämään tehtävää, jossa keskityttiin PK-seudun uima-altaiden sijainteihin kartalla ja kiinteistöissä, sekä lukumäärällisesti uima-allasrikkainta kaupunginosaa.

 

Taulukko 5. Uima-allastilastoa pääkaupunkiseudulta. 

Uima-altaallisia taloja				855
Asukkaita kiinteistöissä, joissa uima-allas (kpl)				28 312
Kiinteistöistä omakotitaloja (kpl)				345
Kiinteistöistä kerrostaloja (kpl)				181
Kiinteistöistä rivitaloja (kpl)				113

Taulukosta 5 on siis nähtävissä uima-altaiden määriin liittyviä tuloksia. Lopuksi määritettiin vielä tarkasteltavan alueen saunojen määrä. Saunojen määrästä ei ole karttaesitystä.

 

Taulukko 6. Saunojen määristä.

Saunallisia kiinteistöjä (kpl)				21 922
Suhteessa kaikkiin kiinteistöihin (%)				24 %

 

Taulukkoa 5 tarkastelemalla voimme päätellä, että omakotitalot ovat yleisimpiä asuntokiinteistöjä, joissa on uima-allas. Lauttasaari, Länsi-Pakila sekä Kulosaari ovat uima-allas-rikkaimpia kaupunginosia. Vaikka Lauttasaaressa onkin vain 43 omakotitaloa, yksin siellä on 53 uima-allasta. Toisin kuin esim. Vartioharjussa omakotitaloja on 734 kpl, mutta uima-altaita siellä on vain 32.
Saunoja on huomattavasti enemmän kuin uima-altaita. Kuitenkin, vaikka saunat ovat yleisiä ja (ainakin pitäisi olla) jokaisen suomalaisen perusoikeus, saunojen rakentaminen uusiin asuntoihin on vähentynyt huomattavasti – varsinkin kerrostaloihin (Kivimäki, Yle, 2017). Yhtenä tekijänä vähenevään saunojen määrään pidetään halukkuutta hyödyntää kaikki asuinneliöt. Toisena merkittävänä syynä lienee monelle saunanpidon kustannukset: lämpö-, vesieristykset sekä talotekniikka (esim. ilmastointi) ovat kalliita kohteita talonrakennuksessa. Saunan lämmittäminen taas nostattaa asunnon sähkölaskua merkittävästi. Varsinkin nuoret aikuiset hyödyntävät yhä enemmän yhteissaunoja, mm. kuntosaleilla.

Tehtävää tehdessä minua henkilökohtaisetsi auttoi omat muistiinpanoni kurssikertojen työvaiheista. Yleinen tunnelma on hyvä: mielestäni onnistuin tehtävien toteutuksessa tehtävänannon mukaisesti, vaikka jotkin luvut saattavatkin olla väärin. Mielestäni ymmärsin työvaiheet, niiden funktiot ja idean, mitä tehtävillä ajettiin takaa. Tämänkertaisessa blogikirjoituksessa ei ollutkaan tärkeintä saada tehtävien vastaukset täysin oikein, vaan ymmärtää, mitä on tekemässä, miksi, millä työkaluilla ja kuinka hyödyntää jo opittuja taitoja. Saastamoinen summasi artikkelissaan Kurssikerta 5 (2019) hyvin  tämänkertaisen kurssikerran, ja oikeastaan koko opiskelun ytimen: ”Olen ”- -” tyytyväinen siihen, etten luovuttanut, vaan jaksoin yrittää vastausten etsintää.”.

 

 

Lähteet:

Salmi, J. (2019). Osa 5: Bufferointia ja melusaastetta. Lainattu 22.2.2019, saatavilla: https://blogs.helsinki.fi/jhsalmi/2019/02/19/osa-5-bufferointia-ja-melusaastetta/

Hovi-Horkan, J. (2014). Lentokoneiden mölinä kovinta nousualueilla. Lainattu 22.2.2019, saatavilla: https://www.vantaansanomat.fi/artikkeli/stub-247

Kivimäki, P. (2017). Suomalaisen asumisen erikoinen muutos – yhä harvempaan kerrostaloasuntoon tulee sauna. Lainattu 20.2.2019, saatavilla: https://yle.fi/uutiset/3-9393813

Saastamoinen, S. (2019). Kurssikerta 5. Lainattu 21.2.2019, saatavilla: https://blogs.helsinki.fi/saasara/2019/02/19/kurssikerta-5/

Vko IV

Pisteaineistot ovat paikkatietoaineistoista kaikkein tarkimpia – aineistoa voidaan kerätä jopa 2 cm tarkkuudella. Pisteaineistoa voidaan kerätä miltei mistä  ja minkälaisista kohteista tahansa. Esimerkiksi, kun halutaan kerätä dataa aluekokonaisuuksiin, voidaan hyödyntää pisteaineistoja. Niitä käytetäänkin usein lähtöaineistona, kun halutaan kerätä tietoa (aggregoida) eri tarkkuuksilla oleville esittämistasoille. Erilaisen tarkkuuden omaavia tasoja ovat esimerkiksi aineistot, jotka ovat: korkeusmalleja (laserkeilauksella toteutettua), ruutuja (homogeeninen tiedonkeruuyksikkö), erilaisia aluejakoja tai määriteltyjä vyöhykkeitä tietyn kohteen ympärillä.

Pisteaineistomaista tietoa voidaan kerätä monella tapaa. Yksi tapa on kerätä tietoa luontaisesti pistemäisistä kohteista, kuten esimerkiksi kiinteistöelementeistä (rakennukset). Jo itse rakennuksesta saadaan monta tasoa tietoa: rakennus kiinteistönä (rakennuksen ikä, lämmitysmuoto, sen käyttötarkoitus…), rakennuksen käyttäjät (lukumäärä, ikä, sukupuoli…), yms. Kiinteistöalueesta voidaan analysoida mm. sen kapasiteettia, oli rakennus asuintalo tai yritysten käytössä.

Kaikista tarkin pisteaineiston tuottaja on laserkeilauksella tuotettu tieto. Laserkeilaus on paljon mekaanisempi tapa kerätä tietoa kuin edellä mainittu luontainen tietojen keräystapa, sekä aineistoa kertyy paljon enemmän. Vastapainona laserkeilauksessa kertyy paljon tietoa, jota ei ehkä tarvita tai haluta. Esimerkiksi, kun halutaan kerätä tietoa metsän lenkkipolusta, juuri sillä hetkellä lenkkeilevä henkilö tallentuu tietoihin. Henkilöstä saadut tiedot eivät hyödytä lenkkipolun aineistonkeruussa, joten henkilön tiedot siivotaan pois.

Laserkeilaus on tuonut muuhunkin kuin vain pisteaineiston ja maanmittaukseen uusia ulottuvuuksia: esimerkiksi viime vuoden marraskuussa Helsingin Sanomat uutisoi, kuinka kaksi yliopisto-opiskelijaa (toinen heistä, Aleksi Rikkinen, on maantieteen opiskelija Helsingin yliopistossa) kartoittivat laserkeilauksen avulla Lapin erämaassa Toisen maailmansodan aikaisen saksalaisten miehittämän puolustuslinjan, Sturmbock-linjan (Huhtanen, HS, 2018).

Ruutuaineistolla on taas tehokas tapa kerätä alueellista tietoa ilman valmista aluejakoa. Monet Suomea käsittelevistä laajoista tietoaineistoista ovat ruutumuotoista aineistoa. Tietoja päivitetään tiuhaan: esim. väestön tiedot päivitetään vuosittain. Useimmat aineistot päivitetään 2-5-vuosivälin tahdilla.

Ruutuaineistot pohjautuvat usein pisteinä tallennettuun aineistoon. Se mahdollistaa aineiston tarkastelun eri ruutukoissa  kerättyihin tietoihin. Ruutukoko kannattaa valita sen mukaan, mikä palvelee haluttua tarkoitusta parhaiten. Harjoitustehtävässämme ruutukooksi valttiin 1 km x 1 km, kun tarkasteltiin pääkaupunkiseutua (Helsinki, Espoo, Vantaa, Kauniainen).

Neljännen kurssikerran ensimmäinen työ koostui sekä vektori- että rasteriaineistosta. Kuvassa 1 on nähtävissä tehtävän lopputulos, missä tarkastellaan ruotsinkielisten prosentuaalista jakautumista pääkaupunkiseudulla. Haluamamme tieto ei tietenkään ollut valmiina hopeatarjottimella, vaan tehtävän opettavana tekijänä oli kerätä tieto asettamaamme ruudukkoon QGIS:in työkaluilla. Monien työvaiheiden jälkeen ja kadonneen attribuuttitaulun jälkeen pystyi hyödyntämään jo opittuja työmetodeja ja laskea ruotsinkielisten prosentuaalinen osuus pääkaupunkiseudun asukkaista yhteensä. Erittäin tarkkana kyseistä harjoitusta tehdessä täytyi olla, että haluttu sijaintitietojen koordinaatisto säilyi oikeana kaikkien työvaiheiden läpi (EPSG:3067).

Tuotettua aineistoa on mielenkiintoista verrata niihin aineistoihin, joissa kartalla on ilmaistu määrällisesti ruotsinkielisten osuus pääkaupunkiseudulla. Verrataan tekemääni työtä esimerkiksi Sihvosen artikkelissa Punkt- och rutmaterial i QGIS (2019) olevaan karttaan (kuva 1). Silmään pistävät varsinkin Helsingin keskustan (Töölö, Kamppi), Helsingin ja Vantaan itäisen rajan (Itäsalmi, Landbo, Ultuna, Nissbacka), Vantaan luoteiskulman (Pieti), sekä Espoon kunnan pohjois-luoteis- ja länsikulman (Luukki, Sorvalampi, Nuuksio, Oitmäki) väliset eroavaisuudet. Yleiskuvana näyttäisi, että karttojen tummuusasteet olisivat käännetty ylösalaisin. Syytä selittänee se, että kauempana Helsingin keskustasta yksittäisten ruutujen sisältämä väentiheys pienenee. Yhdessä ruudussa voisi olla tiedot vaikka vain kahdesta asukkaasta. Jos toinen asukkaista olisi ruotsinkielinen, ruotsinkielisten osuus kyseisen ruudun alueella olisi 50 prosenttia, milloin ruutu saisi aika tumman värin. Helsingin keskustassa taas väestöä on yhdessä ruudussa huomattavasti enemmän, jolloin vaikka esim. Etu-Töölössä Sihvosen kartan mukaan olisi noin 1173-1934 ruotsinkielistä, suhteutettuna se koko Etu-Töölön asukaslukuun (noin 14 750, vuonna 2017), on ruotsinkielisten osuus siellä vain noin 13 prosenttia.

Siirryimme pääkaupunkiseudun kartasta Pornaisten kaupungin rasteriaineistoon, johon kuului mm. rinnevalovarjostus, korkeuskäyrät, sekä alueen peruskartta teineen ja rakennuksineen. Toinen harjoituksemme oli digitoida Pornaisten alueelta viisi päätietä ja kaikki asuintalot. Tätä työtä tulisimme jatkamaan viidennellä kurssikerralla.

Lopuksi tuli meidän verrata Pornaisten korkeuskäyriä, saatavilla olevan rasteriaineiston sekä paikkatietopalvelu Paitulista ladatun Pornaisten peruskartan välillä (aineiston tuottaja Maanmittauslaitos). Kuvassa 2 on nähtävissä fuksianpunainen korkeuskäyräviiva (Maanmittauslaitos) sekä ohuempi vihreä korkeuskäyräviiva (rasteriaineisto). Erot ovat paikoin suuria. Rasteriaineisto on erittäin tarkkapiirtoinen, ja kuvaa korkeuskäyrissään mitä pienempiä yksityiskohtia Pornaisten maastossa. Maanmittauslaitoksen peruskartan korkeuskäyrät ovat paljon yksinkertaistavampia. Rasteriaineiston korkeuskäyrissä on kartoitettu enemmän korkeustasoja kuin Maanmittauslaitoksen käyrissä, kuten Nykänen artikkelissaan GIS-kuumetta (2019) mainitsi. Se lisää rasteriaineiston tarkkuutta sekä todenmukaisuutta. Nykäsen artikkelin kuva 2 havainnoi tätä varsin hyvin. Kuitenkin, kaukaa tarkasteltuna rasteriaineiston käyrät saattavat näyttää epäselviltä sikermiltä, kun niiden tarkat viivat sotkeutuvat epäselväksi mössöksi. Siinä tapauksessa Maanmittauslaitoksen suurpiirteisemmät käyrät saattaisivat toimia paremmin työskentelyalustana.

Harjoituksen yhtenä tarkoituksena oli oppia hyödyntämään rasteriaineistoa sekä peruskarttalehtiä yhdessä ja/tai erikseen.

Artikkelia muokattu 16.2., linkki viitattuun kuvaan lisätty.
Artikkelia muokattu 17.2., lähdeluetteloa täydennetty. 

 

 

Lähteet:

Huhtanen, J. (2018). Syvällä Lapin erämaassa kulkee natsi-Saksan viimeinen puolustuslinja, ja nyt sieltä löytyi salaperäinen vankileiri. Lainattu 14.2.2019, saatavilla (Helsingin Sanomien tilaajille): https://www.hs.fi/kotimaa/art-2000005895371.html

Sihvonen, I. (2019). Punkt- och rutmaterial i QGIS. Lainattu 14.2.2019, saatavilla: https://blogs.helsinki.fi/idasihvo/2019/02/08/punkt-och-rutmaterial-i-qgis/

Nykänen, J. (2019). GIS-kuumetta. Lainattu 17.2.2019, saatavilla: https://blogs.helsinki.fi/jaisa/2019/02/14/4-kurssikerta/

Paarlahti, A. (2019). Piste- ja ruutuaineistot. Luento Helsingin yliopistossa 8.2.2019.

Vko III

Vektoriaineistojen – tai minkä aineiston kanssa vaan – saattaa joskus huomata, kuinka tuhottoman paljon dataa aineistot sisältävät. Suuri määrä tietoa vaikeuttavat ohjelman suorituskykyä sekä hidastavat omaa työskentelyä. Monien yksiköiden kanssa voi olla myös epäkäytännöllistä työskennellä erikseen. Tietokantojen yhdistäminen nopeuttaa ja helpottaa suurpiirteistä työskentelyä, missä ei tarvita niin montaa yksittäistä datakohdetta.

Joskus taas haluamamme aineisto ei ole paikkatieto-ohjelmistolle suotuisassa tallennemuodossa. Useimmiten asia on kuitenkin helposti muutettavissa. Esimerkiksi Excel-taulukko-ohjelmalla tuotettu tiedosto (.xlsx) ei toistu QGIS-paikkatieto-ohjelmassa. Tiedoston pystyy muuttamaan Excelissä helposti QGIS:ssä toistuvaan tiedostomuotoon .cvs:ksi (comma delimited), milloin avatessa QGIS projektissa siitä tulee automaattisesti uusi attribuuttitietokanta.

Muun muassa tällaisten aiheiden parissa työskentelimme kolmannella kurssikerralla. Harjoitustyönä käytimme Afrikan mantereen karttaa vektoriaineistona, mihin oli piirretty valtioiden rajat äärimmäisellä tarkkuudella. Alkuperäisessä tietokannassa jokaisella valtiolla oli enemmän kuin yksi komponentti, eriävä alue yhtenäisestä polygonista (esimerkiksi Guinea-Bissaun rannikko koostuu pirstaloituneista saarirykelmistä, joilla on kaikilla oma lukuarvo, ID, yms.). Tällaisen massiivisen tietokannan kanssa olisi työlästä työskennellä, varsinkin kun tarkastelisimme koko Afrikan mannerta. Eri asia olisi, jos tekisimme tutkimustyötä yksittäisistä valtioista tai alueista. Harjoittelimme tietokantojen yhdistämistä QGIS:in dissolve (suom. liuottaa) -työkalun avulla. Dissolve-työkalu nimensä vastaisesti yhdisti yksiköt, joilla oli jokin yhtenevä tekijä, esim. valtion tunnus: Guinea-Bissau: BJ, yhdeksi Guinea-Bissaun tietokannaksi. Työprosessin pystyy tekemään erikseen jokaisella valtiolla tai sitten koko vektoriaineistolle.

Tarvitsemamme Excel-taulukko sisälsi tietoa Afrikan valtioiden väestön, sekä internetin käyttäjien määrän vuonna 2000, 2017, että Facebook-sovelluksen käyttäjien määrän vuonna 2018. Työvaihe, mikä pitäisi vielä suorittaa, olisi saada uusi .cvs-tiedosto osaksi Afrikan tietokantaa. Join-työkalulla (suom. liittää) pystyy helposti yhdistämään toisen tietokannan toiseen – jos niillä on yhdistävä tekijä. Tässä tapauksessa molemmilla datoilla on käytössä valtioiden nimet, joten ohjelma pystyy yhdistämään tietokannat nopeasti ja kivuttomasti. Jos tietokannoilla ei olisi yhdistävää tekijää näin helposti löydettävissä, yhdistäminen olisi paljon monimutkaisempaa.

Harjoituksen lopuksi lisäsimme Afrikan tietokantaan dataa mantereen konflikteista, timanttien sekä maanpäällisten öljylähteiden lokaatioista – toisin sanoen tuotimme tietoa tietokantaan sijainnin perusteella. Sitä varten täytyi käyttää työkalua, joka laskee pisteet polygonissa. Erikseen oli myös työtapa, millä pystyi tuottamaan tietoa polygoneista polygoneissa.

Tuotetuilla muuttujilla on selviä yhteyksiä toisiinsa. Nyfors esitti artikkelissaan ”Valot palaa mutta ketään ei ole kotona” (2019) konfliktien ja esim. timanttilöydöksien sijaintien välisiä yhteyksiä. On sanomattakin selvää, että sellaisessa maailmassa kuin elämme, luonnonrikkauksien esiintymät aiheuttavat kiistämättä yhteenottoja. Nyfors mainitsi 1800-luvulla tapahtuneista konflikteista brittien ja alkuperäiskansojen välillä johtuen uusista timantti- ja kultalöydöksistä. Samankaltaisia luonnonrikkauksista aiheutuvia konflikteja puidaan myös nykypäivän viihdemaailmassakin, esimerkkinä vuonna 2018 julkaistussa elokuvassa Black Panther (ohj. Ryan Coogler, Marvel Studios).

Internetin käyttäjät ovat kasvaneet Afrikassa nopeasti vuodesta 2000 vuoteen 2017 (esim. Kamerunissa 20 000 vs. 6 128 422). Usein lisääntyvästä internetin käytöstä koetaan seuraavan huonoja vaikutuksia. Valeuutisten, poliittisten manipulointien sekä taloudellisten vedätysten takia internetin käyttäjien tulisi kiinnittää yhä enemmän huomiota lukemiinsa asioihin ja ilmiöihin ja käyttää lähdekritiikkiä. Internetin ja sosiaalisen median koetaan myös huonontavan ihmissuhteiden ja elämän laatua. Uuden Pew Research Center-analyysin mukaan varsinkin Saharan eteläpuolisessa Afrikassa internetin käytön kasvulla koetaan kuitenkin olevan positiivisia vaikutuksia ihmisten elämänlaatuun (Silver, Johnson, 2018).

Enemmistö kokee internetillä olevan hyviä vaikutuksia koulutukselle, taloudelle, henkilökohtaisille suhteille sekä politiikalle. Teknologian kasvu näkyy myös teknologia-alan yritysten lisääntymisessä. Esimerkiksi Buean kaupunkiin, Kamerunissa, on syntynyt Ylen artikkelin mukaan ”startup-ekosysteemi” (Lindström, 2019). Ilmiötä kutustaan Kamerunvuoresta (Mongo ma Mdemi) inspiroituneena Piivuoreksi (Silicon Mountain). Kysyntä varsinkin afrikkalaisille kehitetyille mobiilisovelluksille kasvaa, mutta erilaiset konfliktit haittaavat teknologian vakaata kehitystä. Esimerkiksi kaksikielisessä Kamerunissa käydään taisteluita itsenäisyyttä vaativan englanninkielisen väestön ja ranskankielisen hallituksen välillä. Hallitus sulki vuonna 2017 internetin englanninkielisessä Bueaussa jopa kolmeksi kuukaudeksi, ja sijoittajat kaikkoavat alueelta väkivaltaisuuksien johdosta.

Ja takaisin kotimaahan. Itsenäisenä työnä tuli toimittaa Suomen tulvaindeksikartta, johon tulisi merkitä myös valuma-alueiden järvisyysprosentti. Tehtävää suorittaessa tuli käyttää Afrikka-tehtävän työskentelymenetelmiä ja/tai hyödyntää niitä. Jotkin askeleet tuli toistettua, muttei suinkaan kaikkia. Se tekikin itsenäisestä työstä haastavaa. Sain älyttömän hyvän tukiopetustuokion Kialta, mikä helpotti työskentelyä ja lievitti hermostuneisuutta. Kun muutamaa päivää myöhemmin taas kokeilin tehdä kartan alusta loppuun itsenäisesti, oli se alussa tuskaisaa, mutta loppua kohden työnteko alkoi sujua ja lopulta tajusin, mitä koko tehtävässä oli haettu takaa. Kuvasta 2 on nähtävissä tehtävän lopullinen tulos.

Tulvaindeksi lasketaan jakamalla keskiylivirtaama keskialivirtaamalla (MHQ/MNQ). Kartasta on nähtävissä, kuinka tulvaherkkyys on korkeimmillaan maan länsi- että etelärannikolla – siellä, missä järvisyysprosentti on alhaisin. Havaittavissa on siis selkeä korrelaatio järvisyyden sekä tulvaherkkyyden välillä. Tulvaherkkyyteen vaikuttavia muita tekijöitä ovat järvien lukumäärän lisäksi valuma-alueen pinnanmuodot sekä maankäyttö.

Kertoman mukaan juuri tätä koropleettikarttaa tulemme tarvitsemaan myöhemmissä opinnoissamme kevään edetessä kohti kesää. Mielenkiintoista nähdä, onko tästä kartasta silloin yhtään mihinkään.

 

 

Lähteet:

Nyfors, K. (2019). ”Valot palaa mutta ketään ei ole kotona”. Lainattu 7.2.2019, saatavilla: https://blogs.helsinki.fi/knyfors/2019/02/07/valot-palaa-mutta-ketaan-ei-ole-kotona/

Silver, L. – Johnson C. (2018). Internet Connectivity Seen as Having Positive Impact on Life in Sub-Saharan Africa. Lainattu 7.2.2019, saatavilla: http://www.pewglobal.org/2018/10/09/internet-connectivity-seen-as-having-positive-impact-on-life-in-sub-saharan-africa/

Lindström L. (2019). Kun internet suljettiin Afrikan tärkeimmästä startup-kaupungista, yrittäjät perustivat nettipakolaisleirin kaupungin rajalle. Lainattu 7.2.2019, saatavilla: https://yle.fi/uutiset/3-10618758

 

Vko II

Ennen aineiston ladattavuus eri palvelimilta oli pitkälti maksullista. Kuitenkin päädyttiin ratkaisuun, että data siirtyisi maksullisesta avoimeen. Oltiin sitä mieltä, että verovaroin kerätyn datan tulisi olla avointa kaikille. Aineistojen hankintatapoja on useita, mutta varsinkin yliopistolaisille aineistot ovat yleensä ilmaisia.

Paikalliset aineistot ovat yleensä pakattuina paketteihin, kun niitä ladataan palvelusta (esim. .zip-tiedostot). Aineistot voivat olla tyypistä riippuen joko vektori- tai rasterimuotoista aineistoa. Vaikka monet verovaroin kerätyt aineistot vapautettiin avoimiksi, monilla aineistontarjoajilla on saatavilla sekä maksullista että ilmaista dataa. Se ei kuitenkaan tarkoita, että ilmaiset aineistot olisivat käyttökelvottomimpia kuin maksulliset, päinvastoin. Paikallisten aineistojen tarjoajien ajattelutapaan ei kuulu mentaliteetti ”maksa lisää – saat parempaa”.

Ladattavia aineistoja ja rajapintoja on erilaisia ja eri rajapintojen käyttö onkin yleistynyt. Rajapinnan kautta haetaan aineistoa suoraan palvelimelle – ohjelma ja palvelin ”keskustelevat” protokollan mukaisesti, niin sanotusti. Rajapintojen protokollat ja datatyypit kuitenkin vaihtelevat.

Tyypillisimpiä rajapintoja ovat: WFS-palvelut (Web Feature Service), jotka ovat vektoriaineistoja. WFS-palvelut noutavat aineiston koneelle paikallisen aineiston lailla. Aineistoja voi avata ja muokata omalla koneella vapaasti. Rasterimuotoista dataa palvelee WMS-palvelut (Web Map Service). Tämän palvelun tuottama data soveltuu erityisesti visuaaliseen esittämiseen. Muuten palvelun dataa on haastavampi muokata, toisin kuin WFS-aineistoja. WMS lataa kartat kokonaisina tasoina. Useat avoimet karttapalvelut käyttävät WMS-palveluita, esim. Open Street Map. Muita rajapintoja ovat WMTS (Web Map Tile Service) ja WCS (Web Coverage Service).

Aineiston tuottajia on lukuisia, mutta mainittakoon tässä esimerkiksi Helsingin, Espoon ja Vantaan kaupungit, Tilastokeskus, Liikennevirasto, Paituli, Ilmatieteen laitos sekä SYKE eli Suomen ympäristökeskus.

Opetus jatkuu teoriasta käytäntöön. Työskentelemme tällä kertaa pelkästään Suomen kartalla, johon on piirretty vuoden 2015 mukaiset kuntarajat (vektorimuotoinen aineisto). Harjoitusten tarkoituksena toisella kurssikerralla on tarkastella eri projektioita ja vertailla niiden mittakaavallisia eroavaisuuksia keskenään. Sinisalon artikkelissa Databasdjungeln och kartprojektioner (2019) on kuvattu kuvassa 1 rajattu alue Suomineidon ”laesta”. Opiskelijat rajasivat suunnilleen samanlaisia alueita Suomen kärjestä ja vertailivat pinta-alaeroja Lambertin oikeapintainen tasoprojektio (LAEA, mutta koska tarkastelemme Euroopan aluetta, ETRS-LAEA), sekä Mercatorin lieriöprojektion (Sphere Mercator) välillä. Taulukosta 1 on nähtävissä omia tutkimustuloksia:

ETRS-LAEA		8 312,901 km²
Sphere Mercator		68 651,465 km²

Lisäksi tarkasteltiin vielä Suomen leveimmän kohdan (itä-länsi-suuntaisesti) pituuden eroja samoilla projektioilla:

ETRS-LAEA		497,344 km
Sphere Mercator		1 082 234 km

Erot ovat suuret. Miksi saman pinta-alan mittaustulokset eroavat toisistaan niin paljon kahden eri projektion välillä?

Lambertin oikeapintainen projektio sekä Mercatorin projektio ovat lieriöprojekteja, eli peitetään karttapallo lieriöllä ja ikään kuin ”kuoritaan” pituuspiirit pallosta lieriöön ilman vääristymiä. Kaikissa normaalin aspektin lieriöprojektioissa pituuspiirit ovat suorassa ja yhdensuuntaisia toisiinsa nähden. Jos lieriö sivuaa palloa päiväntasaajan kohdalta, päiväntasaajan leveyspiirillä olevat kohteet ovat lähimpänä reaalista kokosuhdetta. Mutta koska kolmiulotteista palloa on mahdoton kopioida kaksiulotteiselle tasolle ilman mitään vääristymiä, on tingittävä usein pohjoisen ja eteläisen pallonpuoliskojen kohteiden mittasuhteista. Kuvista 1 ja 2 voi vertailla, kuinka Lambertin projektiossa kohteet venyvät leveyttä (ks. esim. Kanadan suhde Yhdysvaltoihin), kun taas Mercatorin projektiossa ne  kasvavat suhteettoman suuriksi verrattuna päiväntasaajalla oleviin kohteisiin (vrt. esim. Grönlannin ja Afrikan mantereen suhdetta toisiinsa). Suomi sijaitsee noin 60°-70° pohjoisen leveyspiirien välisellä alueella, missä vääristymät toteutuvat hyvin voimakkaina molemmissa projektioissa.

Kurssilla käytettävässä QGIS-ohjelmassa hyödynsin projektiovertailussa ETRS-LAEA-projektiota. LAEA (Lambert Azimuthal Equal-Area) eroaa Lambertin oikeapintaisesta lieriöprojektiosta sen kuvaustavassa: tasoprojektiossa taso puretaan levyn muotoon, ikään kuin kehä tai ympyrä sitoisi alueet (kuva 3).  Tässä projektiossa Suomen mittakaavassa ei ole huomattavia vääristymiä, verrattuna ainakin sen sisarprojektioon tai Mercatoriin.

Mittakaavaerojen vertailun jälkeen paneuduttiin taasen vektoriaineiston (eli Suomen kuntakartan) attribuuttitietoihin. Tehtävänä on tehdä visuaalinen karttaesitys Mercatorin ja ETRS-LAEA-projektion välillä olevasta mittakaavaerosta. Tarkalleen sanoen: kuinka paljon Mercatorin projektio eroaa mittakaavaltaan ETRS-LAEA:sta prosentuaalisesti (tässä tapauksessa ETRS-LAEA:n lähtöarvo olkoon 1).
Kuvassa 4 on tehtävän lopputulos. Lopputuloksen kartta on ulkonäöltään vaihdettu ETRS-LAEA:n projektioon, vaikka arvot ovat Mercatorin projektion. On nähtävissä, että Pohjois-Suomessa erot ovat suuremmat (n. 6-7 kertaiset) kuin Etelä-Suomessa (n. 3 kertaiset). Eroa voi selittää vertaamalla Mercatorin ja ETRS-LAEA:n vääristymiä (kuvat 2 ja 3).

Tehtävän jälkeen opiskelijat saivat harjoitella tehtävää itsenäisesti lopputunnin. Millerin projektio on Mercatorin projektiosta muunnelma, mikä on nähtävissä, kun vertaillaan kuvia 2 ja 5.

 

Häpeäkseni valitsin itsenäisesti tehtävän projektion arvalla, enkä tiennyt sen olevan näin läheinen Mercatorin kanssa. Löysin itseni samanlaisesta tilanteesta kuin Kautonen artikkelissaan Viikko 2. Projektion vaikutus pinta-alaan ja pituuksiin (2019). Karttojen (kuvat 4 ja 6) väliset erot eivät visuaalisesti ole suuret, mutta lukuarvot ovat erilaiset. Erot ETRS-LAEA:an ja Millerin projektion välillä eivät ole yhtä suuret (vrt. Pohjois-Suomi n. 3-4 kertainen), kuin Mercatorin ja ETRS-LAEA:n välillä (n. 6-7 kertainen).

Toisen kurssikerran jälkeen koen tarpeellisena tehdä harjoituksia itsenäisesti, jotta työn vaiheet jäisivät edes osittain lihasmuistiin. Oli myös todettava, kuinka hyödyllistä olisi perehtyä karttaprojektioihin ja niiden esitystapoihin perusteellisemmin.

 

 

Lähteet:

Sinisalo, E. (2019). Databasdjungeln och kartprojektioner. Lainattu 28.1.2019, saatavilla: https://blogs.helsinki.fi/sinisale/2019/01/25/databasorientering/

Kautonen, K. (2019). Viikko 2. Projektion vaikutus pinta-alaan ja pituuksiin. Lainattu 30.1.2019, saatavilla: https://blogs.helsinki.fi/kautkia/2019/01/29/viikko-2-projektion-vaikutus-pinta-alaan-ja-pituuksiin/

Wikipedia, the free encyclopedia (2019). Lambert azimuthal equal-area projection. Lainattu 28.1.2019, saatavilla: https://en.wikipedia.org/wiki/Lambert_azimuthal_equal-area_projection

Iliffe, J. – Lott, R. (2008). Datums and map projections for remote sensing, GIS, and surveying. Whittles Publishing, Skotlanti, Yhdistynyt Kuningaskunta. Lainattu 28.1.2019.

Paarlahti, A. (2019). Datan lähteitä. Luento Helsingin yliopistossa 25.1.2019.

 

Kuvien lähteet:

Gaba, E. U.S. NGDC World Coast Line (public domain). Own work, CC BY-SA 4.0. Saatavilla: https://commons.wikimedia.org/w/index.php?curid=4256495

Kunimune, J. Own work, CC BY-SA 4.0. Saatavilla: https://commons.wikimedia.org/w/index.php?curid=66467567

Kunimune, J. Own work, CC BY-SA 4.0. Saatavilla: https://commons.wikimedia.org/w/index.php?curid=66467547

Kunimune, J. Own work, CC BY-SA 4.0. Saatavilla: https://commons.wikimedia.org/w/index.php?curid=66467568

Vko I

Geoinformatiikan menetelmät 1 – kurssilla käydään läpi paikkatiedon käytön perusteiden hallinta sekä paikkatiedon käyttömahdollisuudet maantieteellisessä tutkimuksessa, opetuksessa, sekä tiedon esittämisessä. Opiskelijoiden tavoitteena on oppia etsimään, tuottamaan, hyödyntämään sekä analysoimaan paikkatietoaineistoja. Myös aineistojen visualisointi luettavampaan muotoon kuuluu opetuksen kulkuun. Jotta kurssin pystyy suorittamaan, on opiskelijoiden perustettava blogi, jonne heidän kuuluu päivittää tunneilla opittuja asioita ja julkaista tehtyjä töitä. Blogi-päivitysten avulla opiskelijat käyvät interaktiivista kanssakäymistä toistensa kanssa viitaten ja kommentoiden toistensa julkaisuja, oppien kriittisyyttä paikkatiedon avulla tuotettujen esitysten lukemisessa, sekä vastuullisuutta omien tuottamisessa.

Ensimmäinen opetuskerta keskittyy edellä mainittuihin seikkoihin: kurssin esittelyyn. Yliopisto-opettaja Paarlahti johdattaa opiskelijansa rennolla mutta asiallisella otteella asian ytimeen, ensin luennoimalla paikkatietojen perusominaisuuksista. Paikkatiedon rakenne koostuu sijainti- sekä ominaisuustiedoista, jotka kootaan yhdeksi attribuuttitietokannaksi. Esimerkiksi Sihvonen (2019) on eritellyt attribuuttidatan yksilöivään, ajalliseen, kuvailevaan sekä sijaintia luokittelevaan aineistoon. Attribuuttitiedot ovat nähtävissä visuaalisesti usein kartan muodossa. Visuaalinen data voi olla joko rasterimuotoista (pikselit, ruudut), tai vektorimuotoista dataa (viivat, pisteet, alueet). Ensimmäisellä kurssikerralla tarvittavat aineistot ovat vektorimuodossa, jota varten on tarvittava ohjelmisto, joka avaa ja antaa mahdollisuuden tulkita ja muokata aineistojen attribuuttitietoja. Opiskelijat saavat opeteltavakseen monille uuden paikkatieto-ohjelmiston nimeltään QGIS.

QGIS on vapaa avoimen lähdekoodin paikkatieto-ohjelmisto, jolla pystyy luomaan, muokkaamaan, visualisoimaan ja julkaisemaan geospatiaalista informaatiota. Ohjelmisto on vapaasti ladattavissa osoitteesta https://qgis.org/fi/site/.

Opiskelijat tutustutettiin QGIS:in perusominaisuuksiin: kuinka ensin tutkia ohjelmaan vietäviä tiedostoja helposti QGIS Browser:in avulla, sen jälkeen viedä valitsemat aineistot itse QGIS Desktop 2.18-ohjelmaan, missä aineistojen visuaalista ulkomuotoa, mutta ennen kaikkea aineistojen attribuutti- eli ominaisuustietoja pystyy muokkaamaan. Ensimmäinen varsinainen tehtävä olikin lisätä vaillinaisen Euroopan kartan ominaisuustietoihin Itämereen pääsevien typpipäästöjen suhteellinen osuus (%) Itämerta ympäröivien valtioiden kesken. Kuvasta 1 on nähtävissä tehtävän lopputulos: attribuuttitietoihin lisätty typen päästömäärät näkyvät oranssin väriskaalana sekä kartassa että legendassa.

Kuten Kostamo (2019) huomauttaa, Suomen päästämät typpiarvot ovat hälyttävät. Tämä johtunee lähinnä siitä syystä, ettei tehostettua typenpoistoa vaadita lainsäädännössä kaikilta rannikkokaupunkien jätevedenpuhdistamoilta. Lisäksi maatalous, meri- ja tieliikenne sekä energiantuotanto ovat merkittäviä ravinnekuormittaja, ja vaikka ravinnekuormitus loppuisikin, rehevöityminen saattaisi silti jatkua. Pohjasedimentteihin varastoituneet ravinteet liukenisivat takaisin Itämereen siitä huolimatta (WWF). Toinen rehevöitymistä kasvattava ravinne on fosfori, jota leviää Itämereen varsinkin Lounais-Suomen valuma-alueilta. Lounais-Suomessa käytettiin sotien jälkeen 1980-luvulle asti surutta teollisia lannoitteita, joiden fosforipitoisuudet vaikuttavat edelleen ja päätyvät meriin vuosikymmenienkin jälkeen (Kivipelto, HS n:o 20 s. B8).

Ensimmäisenä tehtävänä tehty kartta vastaa tehtävänantoa ja on väritykseltään silmälle ystävällinen ja informatiivinen.  Jälkeenpäin, kun on yrittänyt toistaa tunnilla tehtyjä työn vaiheita (jonka lopputulos kuvan 1 kartta on) huomaa, kuinka vähän on todellisuudessa jäänyt muistiin ohjelman käytöstä. Harjoitus tekee mestarin. Hieman muistinystyröitä saattoi stimuloida kuvassa 2 nähtävät kartat, jotka kuvastavat Suomen työpaikkojen jakaumaa prosentuaalisesti vuonna 2015 alkutuotannon, jalostuksen ja palveluiden välillä:

Edelliset kartat tuli tehtyä itsenäisesti ennen seuraavaa kurssikertaa. Töitä tulee tehdä parhaan mahdollisen tuloksen saavuttamiseksi, sekä sen vuoksi, että kurssistä jää jotain mielekästä käteen tulevaisuutta ajatellen.

Kokonaisuutena QGIS vaikuttaa mukavan selkeältä ohjelmistolta. Ensimmäinen tehtävä ja ohjeistus olivat ensikertalaiselle sopivia, tarpeeksi toiminnallisia, muttei ylitse hilseen. Kurssin edetessä opiskelijat tulevat tekemään erilaisia tehtäviä, harjoituksia ja karttoja, tutustuvat erilaisiin paikkatietopalveluihin ja artikkeleihin, sekä saavat tehtäväkseen myös satunnaisia ryhmätyötehtäviä.

Artikkelia muokattu 26.1., kuva 1 korjattu.
Artikkelia muokattu 27.1., kuva 2 korjattu.
Artikkelia muokattu 29.1., lähdeluetteloa täydennetty.

 

 

Lähteet:

Sihvonen, I. (2019). Introduktion & QGIS. Lainattu 21.1.2019, saatavilla: https://blogs.helsinki.fi/idasihvo/2019/01/15/introduktion-qgis/

Kostamo, E. (2019). Itämeren typpipäästöt, lasten osuus Suomen kunnissa ja ensikosketus QGIS:iin (kurssikerta 1). Lainattu 21.1.2019, saatavilla: https://blogs.helsinki.fi/emilikos/2019/01/18/itameren-typpipaastot-ja-ensikosketus-qgisiin-kurssikerta-1/

WWF (2016). Itämeren rehevöityminen. Lainattu 21.1.2019, saatavilla: https://wwf.fi/alueet/itameri/rehevoityminen/

Kivipelto, A. (2019). Lounais-Suomi on Itämeren pahimpia fosforin lähteitä. Helsingin Sanomat 22.1.2019, Sanoma Media Finland Oy. Lainattu 22.1.2019.

Paarlahti, A. (2019). Perustietoja paikkatiedosta. Luento Helsingin yliopistossa 18.1.2019.