Vastoinkäymiset opettavat, eikö? Ja niin siinä kävi, että kampuksella neljän tunnin aherrus karttojen kanssa ei helpottanut kotona työmäärää, sillä koulun QGis on hieman vanhempi versio kuin koneellani oleva, joten tallentamiani tiedostoja ei voinut muokata kotona. Pienen hermoromahduksen jälkeen sain koottua itseni ja aloitin sekä Afrikka -kartan että tulvakartan alusta.
Tällä kurssikerralla tarkoituksena oli tutustua aineistoon, jossa oli esitetty Afrikassa sijaitsevia öljy- ja timanttiesiintymiä sekä maanosan sisällä esiintyneitä konflikteja vuosien varrella. Alkuperäinen tietokanta oli paljon erilaista tietoa sisältävä, joten siitä piti muokata yksinkertaisemmaksi ja omaan esitystapaan sopivaksi. Tässä muokkaamisessa käytettiin esim. Dissolve -työkalua, jolla saatiin aineistossa tietokantoja yhdisteltyä.
Kuvassa 1 on työni tulos. Kartalla näkyi alunperin suuri määrä yksittäisi konfikteja, jonka vuoksi päätiin yhdistää ne maittain, jolloin kartasta pystyy näkemään missä maissa konflikteja on ollut eniten vuosina 1947-2008. Timantti- ja öljyesiintymät päätin jättää sikseen, sillä minusta ne toimivat tuollaisenaan. Sinisellä kartassa näkyy internetinkäyttäjien määrä väestön määrästä vuonna 2019. Kahden maan, Djiboutin ja Komoroiden, kanssa tässä esiintyi hieman ongelmia datan kanssa, sillä internetinkäyttäjiä oli enemmän kuin asukkaita, jonka vuoksi päätin jättää ne kokonaan pois.
Tulvaindeksikartassa laskutoimitukset ja Join -toiminnot olivat minusta helppoja, sillä olin jo aikaisemmilla kurssikerroilla tutustunut niihin. Siinä ei siis varsinaisesti ollut mitään ihmeellistä. En kuitenkaan meinannut millään saada järvisyyden pylväsdiagrammeja esiin kotona. Muutaman kyyneleen ja kahvikupposen saattelemana kartta kuitenkin valmistui alla näkyvään muotoonsa (kuva 1).
Tulvaindeksin sai laskemalla tietokannasta löytyvien keskiylivirtaaman ja keskialivirtaaman avulla (MHQ/MNQ). Tällä laskutoimituksella saadaan selville valuma-alueet, joilla tulvariski on suurin. Kuvasta 1 voi päätellä, että erityisesti Turun ja Helsingin alueilla tulvariski on suuri. Valuma-alueet, joissa järvisyysprosentti on suuri, omaavat paljon pienemmän tulvaindeksin, kun taas alueet, joissa järvisyysprosentti on pieni, ovat paljon riskialttiimpia tulville. Tämä johtuu siitä, että tulvien sattuessa vesi ei pääse osittain kerääntymään järviin. Turun ja Helsingin tulvaindeksin selittää taas valuma-alueen rakennettu ympäristö. Vesi ei imeyde asfalttiin kuten se imeytyisi paljaaseen maahan, jonka vuoksi kaupungit monissa tapauksissa edesauttavat tulvien syntymistä. Sama luonnonmaantieteellinen ilmiö on todettu Riina Hiltulan ja Venla Moision blogeissa, joten uskallan väittää sen todeksi.
No, tällä kerralla opin ainakin sen, että kertaus tosiaan on opintojen äiti. Voisin lyödä vetoa, että tällä kurssikerralla käytetyt QGis -toiminnot tulevat vielä kummittelemaan öisin uniini, mutta ainakin nyt osaan ne perinpohjin!
Lähteet:
Hiltula, R. (2020). Afrikan valtioita ja tulvaindeksin laskemista [Blogipostaus]. Luettu 3.2.2020. https://blogs.helsinki.fi/hiltular/
Moisio, V. (2020). Viikko 3 – Tietokantojen yhdistämistä ja laskutoimitusten tekemistä [Blogipostaus]. Luettu 3.2.2020. https://blogs.helsinki.fi/moivenla/