Kerta 3-Kun data ja kartta ovat erillään

Kolmannella kerralla opettelimme kartan ja erillisen datan yhdistämistä ja kuinka tätä havainnollistetaan. Materiaalina oli Afrikan kartta (joka oli TAB), erillinen Excel-tiedosto maiden netin käytöstä, sekä erilliset shapefile:t timantikaivoksista, öljykentistä ja konflikteista. Tunnilla yhdisteltiinkin tietoja ja tutustuttiin lisää siihen, mitä GQIS oikein kätkeekään sisäänsä. Tiedot saatiinkin siististi samaan atribuuttitaulukkoon, josta niitä voitiin vertailla. Kotona askarteltavaksi jäi Suomen tulvaindeksin tekeminen dataa yhdistelemällä, sekä tämän visualisointi.

 

Päätelmiä tuntitehtävän materiaalista:

Konfliktit järjestettiin atribuuttitaulukolla siten, että vain yksi konflikti per vuosi laskettiin, jolloin pystyttiin havainnoimaan pitkäaikaisia konflikteja paremmin. Tarkastellessa kuitenkin myös yksittäisten konfliktien määrää, pysyi kärkikolmikko samana: Etiopia, Angola ja Chad. Maista, jossa timanttikaivoksia löytyi, esiintyivät pitkäaikaisimmat levottomuudet Angolassa, Chadissa ja Algeriassa, mutta osassa maita, joissa kaivoksia löytyi, ei ollut koettu konflikteja lainkaan. Tarkastelu toteutettiin myös öljykentillä, sekä internetkäyttäjien määrillä. Öljykenttiä tarkastellessa pyrittiin tutkimaan, toimiko öljykentät stabiloivana tekijänä, mutta jälleen Angola ja Chad loistivat listoilla. Internet käyttäjien määrässä kärkeä veti Egypti, Nigeria ja Kenia, näistä Kenialla ei esiinny timantteja tai öljykenttiä ja konflikteja oli esiintynyt 6 vuotena.

Internetin leviäminen voisi viitaa teollistumiseen, infrastruktuurin kehittymiseen, sekä yleisesti nousseeseen varallisuustasoon. Tietoa voisi myös tarkastella kuinka suuri prosentuaalinen määrä internetin käyttäjiä on maittain, joka voisi myös valaista asiaa. Toisaalta ilmiö voisi viitata myös kaupungistumiseen, jolloin se ei välttämättä kertoisi käyttäjien nousseesta varallisuudesta tai parantuneesta asemasta.

Konfliktien tapahtumavuosien tarkkailu, sekä näiden laajuus toisi kontekstia datalle. Konfliktien esittäminen pistetietoina ei myöskään kerro niiden sädettä tai kuinka tuhoisa yksittäinen konflikti on ollut (esim. aseelliset yheenotot). Afrikassa on itsenäistynyt valtava määrä maita viime vuosisadan aikana, siellä on esiintynyt pitkiä kuivia kausia ja ollut mellakoita. Niinpä dataa tarkkailtaessa tulisikin olla kriittinen sen suhteen, eikä keskittyä vain atribuuttitaulukkoon yhdistetyistä tiedoista. Erityisesti Angolassa ja Chadissa ilmenneet pitkäaikaiset konfliktit eivät välttämättä ole suoraa seurausta siitä, että maissa esiintyy timanttikaivoksia ja öljykenttiä, vaikka näillä voikin olla asian kanssa tekemistä. Tarkastelu öljykenttien ja timanttikaivosten löytymis- sekä tuotannon alkuvuosilla konfliktien alkuvuosiin ja näiden jatkuvuuteen voisi myös havainnollistaa maissa ilmenevää tyytymättömyyttä. Tuottavuusluokittelua voitaisiin puolestaan verrata internetkäyttäjien määrään ja siten selvittää, onko näillä yhteyttä ja onko siten maan hyvinvointi kohonnut.

Luokittelua voidaan siis käännellä ja tulkita monella tapaa, mutta esille nostettua dataa ei saa eristää maiden todellisuudesta, menneisyydestä tai politiikasta, sillä silloin tieto voi luoda väärän kuvan alueesta  ja sen dynamiikasta. Kuitenkin jo näitä tietoja tarkasteltaessa voidaan saada maista jonkinlainen pelkistetty kuva: Keniassa on paljon internetin käyttäjiä ja Angolassa esiintyy pitkäaikaisia konflikteja.

 

Harjoitustehtävä:

Luokkatoverini S. Korpin (2021) kartta oli mielestäni todella onnistunut ja selkeä, joten tästä suuresti inspiraatiota löytäneenä työstin omaani. Erityisen silmiä avaava itselleni oli, kuinka taustakartan näkyvyyteen saattoi myös vaikuttaa, sekä eri kerrosten läpinäkyvyyteen. Tästä siis uusia eväitä datan parempaan visualisointiin ja eikun toimeksi!

Kuva 1.:ssä esiintyvässä kartassa havainnollistetaan Suomen tulvaindeksiä ja järvisyysprosenttia diagrammina. Itseäni jäi häiritsemään, kuinka diagrammeissa ei esiinny prosentuaalista lukua (enkä tätä saanut esille, vaikka kuinka ohjelman syövereissä seikkailin), joten se ei tarjoa mielestäni kovinkaan hyvää informaatiota kartan tulkitsijalle. Esimerkiksi Lapin keskellä olevalla alueella järviprosentti on sama kuin Saimaalla tai Päijänteellä, vaikka todellisuudessa tällä alueella ei esiinny isoja järviä lainkaan. Tältä osin kartan tieto on siis harhaanjohtavaa. Tässä kerroksen läpinäkyvyyden säätäminen olisi voinut tehdä tulkitsijalle helpommin havaittavan ja näin prosentit olisivat saaneet vertailussa kontekstia. Tulvaindeksi on kuitenkin helposti tulkittavissa ja se on jakautunut valuma-alueisiin, jonka vuoksi Suomi-neito on saanut tutusta poikkeavan muodon. Tämänkin olisi voinut tuota paremmin kartassa esille. Myös järviprosentit näyttävät jakautuvan tulviville alueille, mikä voi olla karttaa tulkitsevalle hyvin harhaanjohtavaa. Taustakartta osin auttaa hahmottamaan valuma-alueiden sijoittumista.

Kuva 1. Tulvaindeksi ja järvisyysprosentti Suomen valuma-alueilla.

Oma tulkinta:

Itse en ollut kovinkaan yllättynyt tulvaindeksistä, sillä ajattelin sen käsittävän ihmisasutusta koskevaa tulvimista. Rannikko on tulva-alttiimpaa, sillä Suomessa suuri määrä asutusta keskittyy juuri etelään ja rannikolle, jolloin todennäköisesti sadevedet muuttuvat hulevesiksi, jotka eivät pääse imeytymään maahan. Rannikolla esiintyy myös enemmän sateita, joka myös vaikuttaa tulvaindeksiin. Tulvaindeksillä näkyvät tummemmat alueet ovat myös alavaa maata ja useat joet laskevat niiltä Itämereen, joka myös puolestaan lisää tulvimisriskiä erityisesti keväällä lumien sulaessa ja Pohjoisempana myös silloin, kun tuntureiden lumet sulavat. Jokien virtaus luultavasti hidastuu näillä alavilla mailla, jolloin virtauksen kuljettamat sedimentit ehtivät laskeutua pohjaan korottaen näin veden pintaa. Näillä alueilla on kuitenkin pyritty rakentamaan tulvimista ehkäisevää infrastruktuuria. Suurin yllättäjä olikin, kuinka Pohjois-Suomessa Utsjoen alue on korkeammalla tulvaindeksissä, kuin Torniojoen tai Ounasjoen alueet, mutta tähän luultavasti vaikuttaa lumien sulamisprosessien aiheuttama tulviminen, joka on luultavasti Tenojoella pitempi aikaisempaa. Tenojoen seutu on myös mäkisempää ja Norjan puolella siihen luultavasti laskee usea tunturi sadevetensä, jolloin tulvimiseen vaikuttaisi sen toimiminen valuma-alueena. Alue sijoittuu myös korkeammalle pohjoisessa, jolloin siellä voisi esiintyä enemmän lunta. Mäkisyytensä vuoksi lumi saattaa kerääntyä isoiksikin kasoiksi uomiin, rotkoihin ja laaksoihin, joka kasvattaisi kevättulvia entisestään.

Lähteet:

Korpi, S. (2021). Teemakartan tulkintaa. https://blogs.helsinki.fi/sakorpi/. Viitattu 2.2.2021