5. Kurssikerta | Buffering

Viidennen kurssikerran vietin Madridissa yhdessä kurssitoveri Topiaksen kanssa, joten tehtävät ja kurssikerran epistola jäivät itseopiskeltavaksi. Word dokumentin avattuani selvisi päivän tematiikka, bufferointi ja analysointi. Bufferointi on mielestäni yksi käytännöllisimmistä paikkatietoanalyyseista. Eveliina Sirola avaa hyvin blogissaan GIRLS VS. GIS bufferi- eli naapuruusanalyysin, ”Bufferi- eli puskurianalyysin avulla voidaan kartalla määrittää tietyn levyinen vyöhyke valitun tietokannan kohteille. Kohde, jolle vyöhyke määritetään, voi olla piste, viiva tai alue eli polygoni. Bufferia käyttämällä voidaan tutkia muun muassa tietyn kohteen vaikutusalueen kokoa, tai määrittää kuinka monta kohdetta sijoittuu tietyn säteen sisäpuolelle.” Kurssikerran harjoitukset selailtuani aloitin itse paikkatietoanalyysien toteuttamisen.

Fly high

Taulukko 1. Helsingin lentoasemien melu- ja bufferialueet

Ensimmäisenä tehtävänä oli bufferoida sekä Malmin että Helsinki-Vantaan lentoaseman alueet yhden ja kahden kilometrin vyöhykkeillä. Tämä onnistui lataamalla ensin aineistot asukasmääristä sekä taloista QGISsiin, minkä jälkeen piirsin uudelle layerille kiitoradat, joista pystyin laskemaan puskurivyöhykkeet. Kahden kilometrin säteellä Malmin lentoasemasta asuu peräti 56 427 ihmistä, kun Helsinki-Vantaan lentoasemasta samalla etäisyydellä asuu vain noin viidennes, 10 202 ihmistä. Täytyy kuitenkin muistaa, että lentotoiminta on huomattavasti aktiivisempaa Helsinki-Vantaalla kuin Malmilla, joten ne eivät ole täysin verrannollisia toisiinsa nähden. Tein saamista tuloksistani yllä olevan taulukon (taulukko 1).

Steissit ja taajamat

Taulukko 2.  Metro- ja juna-asemien läheisyydessä asuvat ihmiset

Seuraavana vuorossa oli tarkastella metro- ja juna-asemien sijaintia ja niiden lähellä asuvia ihmisiä. Viidennes (21,8%) asukkaista asui alle 500 metrin päässä lähimmästä asemasta. Näistä työikäisten osuus oli peräti 68,5% (taulukko 2). Työikäisten osuuden laskeminen onnistui helposti Join attributes by location toiminnolla.

Taulukko 3. Taajamissa asuvat ihmiset

Taajama tehtävissä kohtasin ensimmäisen kerran tehtävien aikana suurempia vaikeuksia. Vastauksia ulkomaalaisten osuuksiin asuinalueilla en onnistunut saamaan, vaikka – ainakin omasta mielestäni – yritin sitkeästi. Jos lukuni pitävät paikkaa, asuu taajamissa jopa 96,7 prosenttia kaikista asukkaista. Se ei mielestäni kuitenkaan kerro, että pääkaupunkiseutu olisi tiheästi asutettu. Taajama määritellään asutuskeskittymäksi, jossa asuu vähintään 200 ihmistä ja asuintalojen väli on maksimissaan 200 metriä. Sen vasta kohta on haja-asutus. Pääkaupunkiseudulla siis tuhannet ihmiset asuvat haja-asutusalueilla – monessa muussa maailman pääkaupungissa näin ei tietääkseni ole.

Helsingin Yhtenäiskoulu

Taulukko 4. Helsingin Yhtenäiskoulun oppilaat

Viimeisenä harjoituksena tein palveluksen Helsingin Yhtenäiskoululle ja laskin heidän tulevaa oppilaskuormitusta. Laskin tulevien oppilaiden määrän tutkimalla kuinka monta 6-vuotiasta asukasta asui koulupiirin alueella. Heitä oli 14. Helsingin Yhtenäiskoulu on Helsingin mittakaavassa pieni oppilaitos, mikä selittää tulevien oppilaiden pientä määrää.. Toki oppilaita tulee aloittamaan kyseisessä koulussa myös virallisen koulupiirin ulkopuolelta. Arvioini mukaan vieraskielisiä oppilaita Yhtenäiskoulussa on vain 5,8%, mikä on hyvin pieni määrä verrattuna muihin Helsingin kouluihin.

Tämän hetkinen QGIS tasoni on mielestäni tyydyttävä. Eniten on tullut käytettyä työkaluja kuten: Spatial Query, Join attributes by location, Select features by expression… Luonnollisesti myös niiden käyttäminen ja hyödyntäminen onnistuu minulta tällä hetkellä parhaiten.

Tärkeämpänä kurssin antona pidän kuitenkin geoinformatiikan laajuuden ja mahdollisuuksien ymmärtämisen. Geoinformatiikkaa ja paikkatietoa on joka puolella joka päiväisessä elämässämme, joten sen oppiminen ja opetteleminen eivät todellakaan tunnu abstraktilta tai turhalta. Päinvastoin, mielestäni on hienoa oppia siitä (lähes) joka päivä jotain uutta ja hyödyllistä.

 

Lähteet: 

Eveliina Sirola – GIRL VS GIS, ”https://blogs.helsinki.fi/evsirola/” (Luettu: 27.3.2018)

 

 

 

7. Kurssikerta | O Brasil é lindo maravilhoso!

CreaTing Maps

Seitsemäs ja samalla viimeinen kurssikerta oli mielestäni ehkä koko kurssin antoisin. Olimme kehittyneet siihen vaiheeseen QGIS-taidoissamme, että aloitimme heti omatoimisesti tekemään kurssin ”lopputyötä”. Tehtävänä oli muodostaa karttoja itse valitusta aiheesta. Itse luotettavan ja käyttökelpoisen datan louhiminen internetin syöväreistä oli työläämpää kuin olisin uskonut. Löysin lopulta dataa haluamastani aiheesta, Brasiliasta.

Tuotin neljä koropleettikarttaa eri muuttujilla Brasiliasta osavaltioittain. Lähteenä käytin Brasilian hallituksen ylläpitämää DataViva sivustoa, josta löysin paljon erinäköistä dataa osavaltioittain. Käyttämäni data on vuodelta 2010, joten osa sen tiedoista on voinut hieman muuttua vuosien kuluessa, mutta pääpiirteittäin sanoisin lukujen olevan suhteellisen luotettavia.

Kuva 1. Brasilian väestö osavaltioittain

Ensimmäisessä kartassa halusin tarkastella Brasilian demograafista jakautumista (kuva 1). Brasiliassa asuu yli 207 miljoonaa ihmistä (World bank 2016), mikä tekee siitä Etelä-Amerikan väestörikkaimman valtion. Väestö on kuitenkin jakaantunut ja keskittynyt tietyille alueille sekä suurimpiin kaupunkeihin. Luonnonmaantieteelliset tekijät toki vaikuttavat myös paljon asiaan. Maailman suurin sademetsä, Amazonia, kattaa suuren osan Brasilian maapinta-alasta.  Suurimmat väestökeskittymät ovat kaakkoisosissa rannikolla.  Eniten ihmisiä asuu Sao Paulon osavaltiossa, jossa sijaitsee myös samanniminen ja samalla Brasilian suurin kaupunki Sao Paulo.

 

Kuva 2. BKT asukasta kohden osavaltioittain

Seuraavaksi halusin tarkastella vaurauden ja mammonan jakaantumista (kuva 2). Brasiliassa raha ja valta ovat keskittyneet pienelle eliitille (Plutokratia?). Löytyy miljardöörejä sekä vastapainona miljoonia köyhyydessä eläviä ihmisiä. Rikollisuus ja yleinen turvattomuus ovatkin valtiossa suuri ongelma, joiden voidaan (ainakin osittain) katsoa olevan seurasta kansalaisten heikosta taloudellisesta tilanteesta.

Tummimmalla punaisella erottuu pieni alue lähes keskellä Brasiliaa. Alue on Distrito Federaalin liittopiiri, jossa sijaitsee Brasilian pääkaupunki, Brasilia. Alue on selvästi Brasilian rikkain. Keskimääräinen BKT asukasta kohden alueella on 58 400 Brasilian realia. Muuten vauras on keskittynyt etenkin kaakkoiselle alueelle, jossa sijaitsee suuria kaupunkeja, kuten Sao Paulo ja Rio de Janeiro. Vastaavasti köyhimmät alueet ovat Brasilian pohjoisosissa Maranhaon, Piauin ja Cearan osavaltioissa, joissa BKT jää selvästi allen 10 000 realin asukasta kohden.

 

Kuva 3. Elinajanodote osavaltioittain

Kolmannessa kartassa valitsin muuttujaksi elinajanodotteen (kuva 3). Halusin nähdä, onko vauraudella korrelaatiota ihmisten elinaikaan. Vastauksena voin suoraan sanoa, että korrelaatio on havaittavissa. Vauras Kaakkois-Brasilia erottuu tummemmalla, kun köyhempi pohjoinen on selvästi vaaleampi. Halusin tarkastella yleistä elämänlaatua datan avulla vielä laajemmin, joten tein vielä yhden kartan inhimillisen kehityksen indeksin mukaan.

 

Kuva 4. HDI osavaltioittain

Inhimillisen kehityksen indeksissä otetaan elinajanodotteen lisäksi huomioon koulutus sekä elintaso (ostovoima korjattu BKT). Koropleettikartassa on havaittavissa samaa säännönmukaisuutta kuin edellisissä, mutta ei yhtä selkeästi (kuva 4). Käänteisesti ja hieman ironisesti Brasiliassa voitaisiin puhua ”rikkaammasta ja paremmin pärjäävästä etelästä” ja ”köyhemmästä pohjoisesta”.

Brasilia kuuluu nopean talouskasvun maista koostuvaan BRICS-ryhmään. Talouskasvu on viime vuosina kuitenkin heikentynyt ja BKT on romahtanut viidessä vuodessa. Vuonna 2011 BKT oli huippulukemissa, 2,6 triljoonassa, kun vain viisi vuotta myöhemmin, 2016, se oli enää 1,8 triljoonaa (World Bank). Syitä tähän on monia, kuten korruptio, maailman finanssikriisit sekä Mercosurin lisäämä taloudellinen protektionismi.

Sosioekonomisiin ongelmiin tulisi kiinnittää huomiota enemmän, sillä se heijastaa koko valtion kehitystä. Ongelmana on etenkin yhä kasvavat tuloerot ja segregoituminen rikkaiden ja köyhien välillä.

A vot

Viimeinen kurssikerta oli mielenkiintoinen ja se opetti paljon. Aikaisemmilla kerroilla aineistot ovat olleet valmiina ja työtä tehty yhdessä vaihe vaiheelta. Nyt viimeisellä kerralla meidän täytyi hyödyntää aikaisemmin oppimaamme ja työskennellä itsenäisesti, mikä lisäsi omaa itseluottamusta asioiden onnistuessa ilman sen tarkempaa ohjaamista.

 

Lähteet: 

DataViva, ”http://dataviva.info/en/” (Luettu: 28.2.2018)

The World Bank – Brazil, ”https://data.worldbank.org/country/brazil” (Luettu: 25.3.2018)

The World Factbook – Brazil, ”https://www.cia.gov/library/publications/resources/the-world-factbook/geos/br.html” (Luettu: 25.3.2018)

 

 

 

6. Kurssikerta | Hazard

Epicollect5 n’ Google StreetView

Kuudennen kurssikerran aloitimme poikkeuksellisesti ulkoilmassa aurinkoisessa pakkassäässä Kumpulan lähimaastossa. Tarkoituksenamme oli kerätä itse dataa Epicollect5-sovelluksen avulla, joista saatuja tuloksia myöhemmin analysoisimme GIS-laboratoriossa. Sovelluksen avulla on mahdollista itse tuottaa pistemuotoista aineistoa eri kohteista, joka sisältää sijaintitiedon lisäksi myös ominaisuustietoa.  Tehtävänämme olikin kartoittaa kampuksen lähialueita niiden viihtyvyyden ja turvallisuudentunteen mukaan. 45 minuutin ulkoilun jälkeen palasimme työpöytiemme ääreen Kumpulaan ja ihailimme kerättyä dataa.                                                                                                     Tämän jälkeen harjoittelimme myös vaihtoehtoista datan keräysmenetelmää sisätiloista käsin. QGiS-paikkatieto-ohjelmassa avasimme pluginin avulla Google StreetView-näkyviin. Harjoituksen aiheena oli luokitella valitsemamme korttelin eri osia kaupallisuuden mukaan asteikolla 1-5.  Lopuksi visualisoimme korttelin interpoloimalla alueen rastereiksi, joissa tummemmat värit kuvastivat voimakkaampaa kaupallisuuden esiintymistä ja haaleammat päinvastoin vähäisempää kaupallista toimintaa.

Ovatko maanjäristykset lisääntyneet globaalisti? 

Kurssikerran lopulla saimme tehtäväksemme tuottaa kolme hazardikarttaa. Kaksi ensimmäistä karttaa tein maanjäristyksien esiintymisestä globaalisti eri aikaväleillä. Ensimmäinen kartta esittää voimakkuudeltaan yli 7 momenttimagnitudin maanjäristykset vuosina 1982-2000 (kuva 1), ja toinen vastaavasti 2000-luvulla (2000-2018) tapahtuneet yli 7.0 momenttimagnitudin maanjäristykset (kuva 2).  Aineistona käytin Berkleyn yliopiston seismologian laitoksen ylläpitää dataa. Lisäsin karttoihin myös tulivuoret havainnollistamaan vulkanismin ja seismisyyden välistä korrelaatiota.

Kuva 1. Yli 7.0 Mw maanjäristykset vuosina 1982-2000

Vuosina 1982-2000 tapahtui 183 yli 7.0 momenttimagnitudin maanjäristystä. Kuten kuvasta huomaa, suurin osa niistä on keskittynyt Tyynenmeren tulirenkaan ympärille.

Kuva 2. Yli 7.0 Mw maanjäristykset 2000- luvulta nykyhetkeen

Vastaavasti 2000-luvulla (2000-2018) on tapahtunut peräti 275 yli 7.0 momenttimagnitudin maanjäristystä. Mistä maanjäristysten määrän nousu on voinut sitten johtua? Vai ovatko ne oikeasti edes lisääntyneet? Näitä kysymyksiä voisi mielestäni käyttää opetuskäytössä, jossa pyritään syventymään tarkemmin maanjäristyksiin sekä luonnonilmiöinä että luonnonkatastrofeina.

Itse pohdin samaa kysymystä ja tulin seuraaviin johtopäätöksiin. Maanjäristyksiä alettiin havainnoida laitteilla 1800-luvun lopulla. Vuosien saatossa ne ovat kehittyneet yhä tarkemmiksi ja luotettavimmiksi. Yli 7.0 magnitudin maanjäristyksiin ei kuitenkaan tarvita tarkkoja seismometrejä tai muuta teknologiaa niitä huomatakseen, joten se tuskin selittää asiaa. Ihmistoiminnasta johtuvat maanjäristykset eli indusoidut maanjäristykset ovat lisääntyneet patojen rakentamisen sekä kaivostoiminnan myötä. Suurimmat mitatut indusoidut maanjäristykset ovat kuitenkin olleet vain 6 momenttimagnitudin luokkaa, joten sekään ei selitä maanjäristyksien määrän kasvua 2000-luvulla. Omien johtopäätöksieni ja tutkimuksieni mukaan maanjäristysten lisääntymistä 2000-luvulla voidaan selittää sattumalla. Vaikka maanjäristykset fysikaalisina luonnonilmiönä eivät oletetusti ole lisääntyneet eivätkä vähentyneet pitkällä aikavälillä, on globaalisti seisminen aktiivisuus vaihdellut vuosittain. Sumatran luoteispuolella 2004 Tapaninpäivänä tapahtunut maanjäristys (9.0) sekä 2005 Pääsiäispäivänä tapahtunut maanjäristys (8.7) olivat niin massiivisia, että ne ovat mahdollisesti vaikuttaneet seismiseen energiaan sekä mannerlaattojen jännityskenttään lähialueilla, mikä on lisännyt maanjäristyksiä etenkin Sumatran länsirannikolla.

Maanjäristyksiä luonnonkatastrofeina tarkkailtaessa voidaan sanoa niiden lisääntyneen. Tämä johtuu ihmistoiminnan levittäytymisestä yhä laajemmille alueille sekä väestömäärän kasvusta, jolloin yhä useampi on alttiina maanjäristyksille. Fysikaalisina ilmiöinä endogeeniset maanjäristykset eivät kuitenkaan ole kasvaneet.

Meteoriitit ja kraatterit

Kolmannen kartan tein suurimmista maapallolle iskeneistä meteoriiteista (kuva 3). Kartan toteutin pistekarttana, jossa suuremmat ja tummemmat pisteet kuvaavat suurempaa meteoriittia.

Kuva 3. Maapallolle iskeneet yli 1000 kilogramman meteoriitit.

Karttaa voisi mielestäni hyödyntää opetuskäytössä pohtimalla esimerkiksi, miksi Meteoriitit näyttävät osuneen arideille alueille? Tai miksi Pohjois-Amerikan länsirannikolla näyttäisi olevan selvä keskittymä meteoriittien iskemiä? Miksi meriin ei ole osunut yhtään meteoriittia? Okei, ehkä viimeinen kysymys on jo liikaa.. Joka tapauksessa näiden kysymysten avulla voitaisiin hahmottaa paremmin meteoriittien historiaa sekä tutkimusta. Miten eroosio, kasvillisuus sekä ilmasto-olosuhteet vaikuttavat kraatterien säilymiseen?

Tiivistys

Kurssikerran anti oli mieluisa. Kolmen erilaisen kartan tekeminen, itse soveltaminen  sekä käyttötarkoituksien pohtiminen antoi mielestäni konkretiaa karttojen tekemiselle. Itse karttoihin ja lopputulokseen olen ihan tyytyväinen.

 

Lähteet: 

Helsingin yliopisto – Tietoa maanjäristyksistä, ”http://www.seismo.helsinki.fi/fi/maanjtietoa/vastauksia.html” (luettu:  23.3.2018)