Kohteiden lisäämistä ja yhdistelyä
Sanoisin, että kolmas kurssikerta oli tehtäviltään helpompi verrattuna viime kertaan. Jos poissuljetaan se tosiasia, että lähetin isäni ajamaan ympäri Oulua muualle unohtuneen läppärin laturin perässä. Onneksi laturilähetys saapui juuri, kun koneesta loppui virta kahvitauon päätteeksi. Joka tapauksessa, Qgissiä tuli taas kulutettua.
Ensimmäinen tehtävä sijoittui Afrikan mantereelle. Aluksi kaikki kohteiden yhdistämiset tuntuivat olevan melko monimutkaisten painallusten takana. Tarkoitus oli kuitenkin looginen: asettaa taulukon karttakohteita yhteisen nimen alle, jotta karttaa sekä taulukkoa olisi yksinkertaisempi tarkastella. Koen kuitenkin, että varsinkin join-ominaisuus tuli tällä kertaa tutuksi. Internetin käyttömäärien, konfliktien, timantti- sekä öljykaivosten tuominen tietokantaan antoi mielenkiintoisia tuloksia tarkasteltavaksi, vaikka prosessi olikin melko haastava.
Internetin käyttäjien lukumäärä eri vuosina kertoo meille valtion kehittyneisyydestä. Esimerkiksi prosenttilukuina valtioita voidaan verrata toisiinsa, sillä yleensä internetin käyttäjämäärä osoittaa kehittyneisyyden verrattuna muihin valtioihin. Öljykaivokset tai timanttikaivokset voivat kasvattaa valtion varallisuutta, mikä voi näkyä internetin käyttäjämäärissä. Öljykenttien tuottavuus on tässä isossa osassa. Lisäksi kehittyneisyyteen voisi verrata myös konfliktien määrään. Yleensä konfliktien repimä maa ei välttämättä ole niin kehittynyt kuin vakaa valtio. Yksityiskohtaisemmin tutkittuna syitä voi olla esimerkiksi hallitus, joka ei nauti kansan luottamuksesta.
Muita syitä konflikteille voi olla myös öljykaivokset. Öljyyn liittyviin konflikteihin sekaantuu myös muita maita. Konfliktin tapahtumavuosi voidaan yhdistää esimerkiksi pakolaisuusaaltoon naapurivaltioissa tai jopa Euroopassa. Konfliktin laajuus/säde voi kertoa pakolaisten määrästä. Tämä kuitenkin tarvitsisi enemmän lisätietoja eri aineistosta.
Tulvaindeksi kartan tekeminen
Seuraava tehtävä oli tehdä tulvaindeksi. Tehtävässä oli hieman hankaluuksia, mutta tässä tehtävässä opin käyttämään join-ominaisuutta paremmin. Lisäksi Excelin ja Qgissin yhteistyö onnistui nyt paremmin – toivottavasti myös tulevaisuudessa.
Kuva 1. Tulvaindeksi.
En osaa sanoa, että kartta oikeannäköinen, mutta yritys oli kova. En saanut tehtyä karttaan pylväitä, jotka antaisi järkevät selitteet legendaan. Qgissin diagrammi-ominaisuutta pyöritellessä päädyin ympyröihin, jolloin sain legendaankin järvisyydelle selityksen. Sama ongelma oli myös Ville Väisäsellä omassa blogissaan. Mielestäni kuitenkin kartta on melko selkeä lukuinen. Mitä isompi ympyrä sitä suurempi järvisyysprosentti. Käytännössä – niin kuin Villekin blogissaan kirjoitti – järvisyys tarkoittaa järvien osuutta valuma-alueen pinta-alasta.
Tulvaindeksi käsitteeni ei ole kovinkaan tuttu. Tulvaindeksissä on laskettu keskiylivirtaaman ja keskialivirtaaman välinen suhde. Tulvaindeksi kertoo virtaaman vaihtelua ja ottaa mukaan sekä kuivimmat kaudet että tulvaisimmat ajat. Tulvaindeksi on suurin rannikoilla Etelärannikolla ja Turun läheisyydessä. Pienin tulvaindeksi on kaukana rannikosta. Näillä alueilla järvisyys on lisäksi isoin. Olettaisin, että jokien virtaus on suurinta mereen ja näillä alueilla tulvavaara on isoin. On loogista, ettei rannikolla ole yhtä paljon järviä, koska jokien vedet eivät kasaannu maaperässä oleviin painaumiin, vaan valuvat mereen.
Lähteet:
Valuma-alueiden tulvaindeksi kartta. Villen GIS-blogi. <https://blogs.helsinki.fi/villvais/> (viitattu 2.2.2021)